Google发布了Gmail全新AI收件箱功能,旨在为用户提供个性化任务概览并及时通知重要更新。同时,Gmail还推出了搜索AI概览功能和类似Grammarly的"校对"工具。此外,Gmail还将多项原本仅对付费用户开放的AI功能推广至所有用户。
新推出的AI收件箱标签页包含两个主要部分:"建议待办事项"和"主题跟进"。第一个部分显示需要采取行动的优先级邮件摘要,例如提醒用户明天有账单到期,或需要致电皮肤科医生确认邮寄地址以便发送处方续药。
在"主题跟进"部分,用户可以看到诸如"您的Lululemon退货正在处理中,Metal Vent Tech衬衫订单已送达"和"Wealthfront年终报表现已可用"等更新信息。这些不同的更新被归类到"财务"和"购物"等不同类别中。
Google产品副总裁Blake Barnes在记者发布会上表示:"这体现了Gmail主动为用户提供支持的理念,向您展示需要做什么以及何时完成。请放心,传统收件箱仍然可用,这只是一个新的视图,您可以根据需要随时切换,以便在繁杂的邮件中找到重点。"
Google正在向可信测试者推出AI收件箱功能,并将在未来几个月内更广泛地推出。
通过Gmail搜索中的新AI概览功能,用户现在可以使用自然语言问题搜索收件箱,快速获得答案,而无需依赖传统关键词搜索并打开多封邮件来寻找特定信息。
例如,您可以询问"去年为我的浴室装修提供报价的水管工是谁?"然后您将获得一个AI概览,从您的邮件中提取答案并突出显示您需要的关键详情。
Blake说:"我们搜索您收件箱中的每封邮件,在顶部为您提供问题的答案。就像Google搜索中的AI概览一样,您可以用自然语言提问并获得AI驱动的回答。但在Gmail中,模型完全依靠您的邮件,您的个人记忆库,来生成回答。"
这项新功能正在向Google AI Pro和Ultra订阅用户推出。
Google表示Gmail的所有AI功能都是可选的,不会使用个人内容来训练其基础模型,并且在严格隔离的环境中处理个人数据。
关于新的校对功能,Google表示其设计目的是通过分析草稿来改善清晰度和结构,帮助用户完善写作。它提供一键式建议,包括词汇选择、简洁性、主动语态和拆分复杂句子。
例如,如果您写了"might inflict disturbance"这样的表达,Gmail会建议改为"might disturb"。它还会标记使用错误单词的情况,比如用"weather"代替"whether"。这本质上类似于Grammarly等流行的校对服务。
通过推出自己的校对工具,Google很可能希望人们不再使用第三方工具或将邮件输入ChatGPT来修改。
校对功能正在向Google AI Pro和Ultra付费订阅用户推出。
虽然这些新功能仅向特定用户推出,但Google宣布Gmail的"帮我写"、线程邮件AI概览和"建议回复"功能将向所有用户推出。这些功能此前仅对付费订阅用户开放。
"帮我写"功能可以帮助您通过单一提示撰写邮件,线程邮件AI概览为包含多个回复的长邮件线程提供摘要。建议回复利用对话上下文提供符合您语调和风格的相关回复。
Q&A
Q1:Gmail的AI收件箱功能有什么作用?
A:Gmail的AI收件箱功能提供个性化任务概览,包含"建议待办事项"和"主题跟进"两个部分。它能显示需要采取行动的优先邮件摘要,如账单提醒、预约确认等,并将各类更新信息按"财务"、"购物"等类别进行分组显示。
Q2:Gmail搜索中的AI概览功能如何使用?
A:用户可以使用自然语言问题搜索Gmail收件箱,例如询问"去年为我浴室装修提供报价的水管工是谁?"系统会搜索用户收件箱中的所有邮件,从中提取答案并在顶部显示相关的关键信息,无需手动查看多封邮件。
Q3:Gmail的校对功能具备哪些能力?
A:Gmail的校对功能类似于Grammarly,能够分析邮件草稿并改善写作的清晰度和结构。它提供一键式建议,包括词汇选择优化、提升简洁性、使用主动语态和拆分复杂句子,还能标记错误用词,如"weather"和"whether"的混用。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。