7月11日，谷歌研究团队宣布推出一款名为SensorFM的可穿戴健康基础模型。该模型在35项健康任务中34项表现优于特征工程监督基线，基于全球500万名参与者的可穿戴数据进行预训练，覆盖100多个国家和地区，以及20多种Fitbit和PixelWatch机型。模型输入包含34个1分钟聚合特征，采集PPG、加速度计、EDA、皮肤温度和高程计5种传感器数据，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、皮肤电导以及体温等健康指标。

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%。在35项判别式健康任务上，SensorFM-B在33项任务中获胜。研究还构建了一个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，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。