IT之家7月11日消息，谷歌研究团队于7月9日发布博文，宣布推出可穿戴健康基础模型SensorFM，在35项健康任务中有34项优于特征工程监督基线。
该模型基于全球500万名参与者(已授权同意)的可穿戴数据预训练，预训练语料采集时间为2024年9月至2025年9月，覆盖100多个国家和地区，以及20多种Fitbit和Pixel Watch机型。每人抽取数周数据后，形成超过20亿小时(超过1万亿分钟)的信号。
模型输入包含34个1分钟聚合特征，采集PPG(光电容积脉搏波)、accelerometry(加速度计)、EDA(电皮肤活动)、皮肤温度和高程计这5种传感器（885946）数据，对应抓取24小时内的心率和心率变异性、血氧饱和度、睡眠阶段、运动和步数、皮肤电导以及体温。
在模型规模方面，SensorFM共有XXS、XS、S、B四种规模，最大模型SensorFM-B相较最小版本，重建损失下降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%。IT之家附上相关数据如下：
在 35项判别式健康任务上，SensorFM-B在33项任务中获胜。研究还称，线性探针在35项任务中有34项优于特征工程监督基线，任务覆盖心血管、代谢风险、心理健康、睡眠、人口统计与生活方式6类。
团队还构建了一个agentic“classroom”，由协作与竞争的LLM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30,000个候选方案；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。
