谷歌SensorFM AI模型：500万人万亿分钟可穿戴数据预训练
谷歌发布SensorFM，基于五百万名参与者超一万亿分钟可穿戴数据预训练。该模型在三十五项健康任务中三十四项超越传统基线，提供四种版本，规模越大性能越强，并引入大语言模型智能体优化推理代码。
近期，谷歌研究团队在可穿戴健康领域取得重大突破——7月9日，他们正式发布了SensorFM，这是一款基于海量可穿戴数据预训练的基础模型。结果令人瞩目：在35项健康任务中，它成功拿下34项，全面超越了传统的特征工程监督基线。
先快速浏览一下关键数据。该模型的预训练语料来源于全球500万名参与者（均已获得授权同意），数据采集时间从2024年9月持续到2025年9月，覆盖100多个国家和地区、20多种Fitbit和Pixel Watch设备。每人抽取数周数据后，汇总成超过20亿小时——相当于超过1万亿分钟的信号。仅凭这一规模，就足以让人高度重视。
模型输入包含34个1分钟聚合特征，采集了5种传感器数据：PPG（光电容积脉搏波）、加速度计、EDA（电皮肤活动）、皮肤温度以及高程计。这些数据能够准确捕捉24小时内的心率、心率变异性、血氧饱和度、睡眠阶段、运动步数、皮肤电导及体温，几乎涵盖了可穿戴健康监测的所有核心指标。
在模型规模方面，SensorFM提供了四个版本：XXS、XS、S、B。其中最大模型SensorFM-B相较于最小版本，重建损失下降了31%，分类任务平均AUC提升9%，回归任务平均Pearson相关系数提升21%。具体数据可参考下表，一句话总结：模型规模越大，性能越强，差距十分显著。
更令人振奋的是其在35项判别式健康任务上的表现。SensorFM-B在33项任务中胜出，而线性探针（一种轻量级微调方法）在35项任务中有34项优于传统特征工程监督基线。这些任务覆盖六大类别：心血管、代谢风险、心理健康、睡眠、人口统计与生活方式。可以说，几乎每个健康相关方向都获得了显著提升。
团队还创新性地构建了一个agentic“课堂”，由一群协作与竞争的大型语言模型智能体迭代生成、测试和优化推理代码。实验中，该系统探索了超过3万个候选方案，最终生成的预测头在20项分类任务中16项优于线性探针，在15项回归任务中12项优于线性探针。这一思路类似于让AI自我教学，结果表现相当出色。
你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：谷歌SensorFM AI模型：500万人万亿分钟可穿戴数据预训练要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题
游乐网为非赢利性网站，所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系youleyoucom@outlook.com。
相关热点QuickieAI是一款轻量级Chrome插件，核心逻辑是快速准确。在写作、社交媒体运营、营销活动场景中，一键完成内容研究与文案生成，支持侧边栏即时响应。可辅助写作、生成多平台文案及营销话术，擅长冷启动，最终质量需人工微调。
快手开源图像生成模型可图Kolors，采用GLM文本编码器支持中英文双语理解，可处理256token长文本。基于数十亿文本图像对训练，专门优化中国文化元素，能稳定生成中文文字，英文文字偶有缺漏。
Hebbia是一款专为金融、法律、政府和制药等行业设计的AI搜索引擎，其Matrix产品通过拆解复杂文档实现自动化信息提取与分析，已获3000万美元融资。它适用于研究人员、商业人士及学生，提供全面、精准的检索与洞察。
Penf1是一款AI驱动的博客创作工具，专注于简化从构思到发布的全流程。它支持即时内容生成、创意破题和SEO优化，帮助创作者快速获得高质量初稿，从而将精力集中于打磨观点和注入个人风格。
- 日榜
- 周榜
- 月榜
热点快看