精选世界杯赔率内容，足球世界杯与你一同发现更多精彩。

谷歌研究部门于 7 月 9 日公布了一项重要进展，即推出了名为 SensorFM 的可穿戴健康基础模型。该模型在一项包含 35 项健康相关任务的测试中，有 34 项的表现超越了传统的特征工程监督基线。

SensorFM 的训练数据来源于全球 500 万名用户在授权同意下提供的可穿戴设备数据。这些数据的时间跨度为 2024 年 9 月至 2025 年 9 月，覆盖了全球 100 多个国家和地区，并收集了来自 20 多种 Fitbit 和 Pixel Watch 设备的数据。经过对每位参与者数周数据的采样，最终汇集了超过 20 亿小时，即超过 1 万亿分钟的传感器信号。

该模型输入的特征包括 34 个以一分钟为单位聚合的指标，这些指标来源于 PPG（光电容积脉搏波）、加速度计、EDA（皮肤电活动）、皮肤温度以及高程计这五种传感器。这些数据用于追踪用户在 24 小时内的心率、心率变异性、血氧饱和度、睡眠阶段、运动量、步数、皮肤电导率以及体温等健康参数。

SensorFM 模型提供了 XXS、XS、S 和 B 四种不同规模的版本。其中，最大的 SensorFM-B 模型在重建损失方面比最小的 XXS 版本降低了 31%，在分类任务上的平均 AUC 提高了 9%，而在回归任务上的平均 Pearson 相关系数则提升了 21%。

在针对 35 项判别性健康任务的评估中，SensorFM-B 模型在其中 33 项任务上取得了胜利。研究表明，通过线性探针方法，SensorFM 在 35 项任务中的 34 项都优于特征工程监督基线。这些任务涵盖了心血管健康、代谢风险、心理健康、睡眠质量、人口统计学信息以及生活方式等六大类别。

谷歌团队还构建了一个名为“classroom”的智能体系统，该系统利用协作与竞争的语言模型（LLM）智能体，通过迭代的方式生成、测试和优化推理代码。在实验过程中，该系统探索了超过 30,000 种不同的解决方案。最终，由该系统生成的预测头在 20 项分类任务中的 16 项表现优于线性探针，在 15 项回归任务中的 12 项也超越了线性探针。这项研究的成果，在未来有望对个性化健康监测和疾病预测产生重要影响，甚至可能在分析如足球世界杯期间运动员的身体状况方面提供新的视角。