谷歌周二宣布,将其个性化智能功能向美国所有用户全面开放。该功能此前仅对付费用户开放,现在免费用户也能在搜索的AI模式、Gemini应用以及Chrome浏览器中的Gemini服务中使用这项功能。
谷歌在博客文章中解释道:"无论你是在寻找之前购买过的特定品牌运动鞋,还是根据酒店确认信息和过往旅行回忆规划家庭度假,个性化智能都能帮助你准确找到所需内容,无需提供所有背景信息。"
个性化智能的工作原理
个性化智能功能允许谷歌的AI助手通过连接你的整个谷歌生态系统来定制响应,包括Gmail和Google Photos等服务。该功能默认关闭,用户可以选择是否以及何时将他们的谷歌应用连接到这些服务。
这项功能的强大之处在于其深度整合能力。比如,当你在轮胎店却记不起自己汽车的轮胎尺寸时,虽然任何AI聊天机器人都能帮助确定尺寸,但配备个性化智能的Gemini能够进一步分析你Google Photos中的家庭自驾游照片,并据此推荐全天候轮胎。
实际应用场景
个性化智能在日常生活中有着广泛的应用场景。比如在规划假期时,当你搜索全家人都会喜欢的活动和用餐地点,AI模式可以调取Gmail中的酒店预订信息和Google Photos中的过往旅行回忆,为你推荐量身定制的行程安排。系统甚至会根据你Google Photos中存储的众多冰淇淋自拍照,推荐怀旧风格的冰淇淋店等个性化建议。
在购物场景中,该功能同样表现出色。当你想要购买新包包来搭配刚买的新鞋时,Chrome浏览器中的个性化智能会根据你最近的购买记录以及偏好的品牌和风格,为你展示一系列定制化选项。这些推荐会包含细致的搭配细节,比如推荐与你新买的金色鞋子相配的五金件手袋。
隐私保护措施
在隐私保护方面,谷歌表示Gemini并不会直接在你的Gmail收件箱或Google Photos图库上进行训练。相反,它只会在Gemini或AI模式中的特定提示以及模型响应上进行训练。
可用性和限制
个性化智能功能现已在美国推出,适用于搜索中的AI模式,并正在向美国的免费用户推广到Gemini应用和Chrome浏览器中的Gemini服务。
需要注意的是,这些功能仅适用于个人谷歌账户,不支持Workspace企业版、商业版或教育版用户。
Q&A
Q1:谷歌个性化智能功能是什么?
A:个性化智能是谷歌的一项AI功能,它可以连接你的整个谷歌生态系统(如Gmail和Google Photos),通过分析你的个人数据来提供定制化的AI助手响应,帮助用户在无需提供详细背景信息的情况下获得精准建议。
Q2:个性化智能功能会泄露我的隐私吗?
A:谷歌表示该功能具有隐私保护措施,Gemini不会直接在你的Gmail收件箱或Google Photos图库上进行训练,只会在特定提示和模型响应上训练。此外,该功能默认关闭,用户可以自主选择是否启用。
Q3:哪些用户可以使用个性化智能功能?
A:目前该功能向美国所有用户开放,包括免费用户,可在搜索的AI模式、Gemini应用和Chrome浏览器中的Gemini服务中使用。但仅限个人谷歌账户,不支持Workspace企业版、商业版或教育版用户。
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。