這篇Google研究部落格的文章介紹了機器學習（ML）領域的最新進展，特別是如何利用ML來提高ML工作負載的效率。文章強調了ML編譯器在優化用戶模型方面的重要性，並介紹了新的“TpuGraphs”數據集，這是針對大型張量計算圖的性能預測數據集。此外，文章還提出了一種名為“Graph Segment Training”的新方法，用於擴展圖神經網絡（GNN）訓練，以處理大型圖表。Google還舉辦了一場Kaggle競賽，參與者利用TpuGraphs數據集開發新技術，包括圖表剪枝/壓縮、特徵填充值的選擇、節點特徵的重要性，以及跨配置注意力機制的應用。這些進展將有助於在系統中進一步應用ML，特別是在結構化數據和人工智能研究方面。
Google 已經將其實驗性人工智慧筆記應用程式 NotebookLM 推出至美國市場，並新增了許多功能。這款應用程式採用 Google 的 Gemini Pro AI 模型，以增強文件理解和推理能力。NotebookLM 不僅能夠摘要文件、提取關鍵點，還能回答有關筆記來源的問題。新功能讓用戶將筆記轉換成其他類型的文件，如大綱或學習指南，並選擇不同的格式。此外，根據用戶在應用程式中的操作，NotebookLM 會提供建議動作，比如改進文案的工具或推薦相關想法。還有其他功能，如保存有用回應、共享筆記，以及將 AI 聚焦於特定來源。Google 也放寬了 NotebookLM 的限制，允許用戶在筆記本中包含更多來源和文字。這款應用程式原名為 "Project Tailwind"，最初於 5 月的 I/O 大會上推出，並在其 GPT-4 競爭對手 Gemini 公布數日後推廣至美國市場。
谷歌近期面臨Google Drive數據丟失問題，該問題影響了部分用戶的文件，尤其是在應用程式版本84.0.0.0至84.0.4.0之間。谷歌將其歸因於同步問題，但用戶報告指出問題更為嚴重，包括通過網頁介面創建的文件丟失。谷歌提供了數種文件恢復方法，包括使用桌面應用程序的隱藏用戶介面和命令行工具，但許多用戶表示這些方法無效。此外，谷歌在社群論壇上鎖定相關討論串，對此問題的溝通和解決方案缺乏透明度，增加了用戶對其處理方式的質疑，對Google Drive的信任度造成影響。