谷歌于周二宣布,将面向印度用户推出 Gemini 的个人智能功能。该功能允许用户连接其谷歌账户(如 Gmail 和 Google Photos),并通过向 Gemini 提问的方式获取个性化答案。
完成服务连接后,用户可以直接提问,例如"我去斋浦尔的出行计划是什么?",Gemini 便会从用户的邮件或照片中提取相关信息并给出回答。此外,该功能还可以参考用户近期在 YouTube 上的观看记录,为用户提供灵感建议。谷歌表示,Gemini 会在回答中标注信息来源,方便用户在必要时自行核实。
个人智能功能上线初期,仅面向印度的 AI Pro 和 AI Ultra 付费用户开放。不过,谷歌表示计划在未来数周内将其扩展至免费用户。
此次向印度扩展,标志着 Gemini 的能力进入了又一个规模庞大的市场。谷歌最初于今年 1 月在美国以测试版形式向部分付费层级用户推出了个人智能功能,并于 3 月向美国全体用户开放,随后也已在日本上线。
谷歌同时提醒用户,Gemini 在理解个人数据上下文时并不总是准确,有时可能会在毫不相关的内容之间建立错误关联。
谷歌在一篇博客文章中解释道:"Gemini 在处理时间线或细微语境方面也可能存在不足,尤其是在涉及关系变化(如离婚)或个人兴趣方面。例如,如果它看到数百张你在高尔夫球场的照片,可能会认为你热爱高尔夫。但它忽略了一个细节:你并不喜欢高尔夫,只是因为喜欢陪儿子才去那里。如果 Gemini 判断有误,你只需直接告诉它('我不喜欢高尔夫')即可。"
目前,谷歌正在快速向印度这一其最大市场之一的用户推送多项先进 AI 功能。今年 3 月,谷歌为印度用户推出了 Chrome 中的 Gemini 功能。上周,谷歌还通过与 Zomato、Swiggy 和 EazyDiner 等平台合作,在印度的 AI 模式中上线了餐厅预订的智能体流程。
Q&A
Q1:Gemini 个人智能功能具体能做哪些事情?
A:Gemini 个人智能功能可以连接用户的谷歌账户,包括 Gmail 和 Google Photos,帮助用户从邮件、照片中提取个性化信息并回答问题。例如用户可以询问出行计划,Gemini 会从邮件中整理相关内容。此外,它还能参考用户的 YouTube 观看记录提供建议,并在回答中标注信息来源,方便用户核实。
Q2:Gemini 个人智能功能目前在印度向哪些用户开放?
A:目前该功能仅向印度的 AI Pro 和 AI Ultra 付费用户开放。谷歌表示,计划在未来数周内将其扩展至免费用户,但具体时间尚未明确公布。
Q3:Gemini 个人智能功能在理解用户信息时准确吗?
A:谷歌本身也承认,Gemini 在理解用户数据上下文时并不总是准确,可能在无关内容之间建立错误联系,也可能在处理时间线或细微语境(如关系变化、个人兴趣)时出现偏差。如果 Gemini 判断有误,用户可以直接告知它正确信息进行纠正。
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。