谷歌推出基于Gemini模型的PH-LLM大模型和智能Agent系统，能够分析可穿戴设备数据并生成个性化健康建议。PH-LLM在睡眠和健身领域表现接近专家水平，而智能Agent可通过迭代推理提供准确健康洞察。这两项技术为开发真正个性化的健康助手奠定基础，助力实现更长寿、更健康的生活。
文章摘要
谷歌的研究引入了一种新型大型语言模型，旨在理解和推理个人健康问题和数据，并提供了基于 Gemini 模型的两种互补方法。通过构建个人健康大型语言模型 (PH-LLM)，以及利用大型语言模型 Agent 将可穿戴设备数据转化为个人健康洞察，在睡眠和健身领域取得了显著成果。这两项研究有助于开发真正个性化的健康助手，为实现更长寿、更健康的生活提供技术支持 。
[]
正文
近年来，人工智能 (AI) 在医疗健康领域的应用日益受到关注。特别是在个性化健康管理方面，AI展现出巨大的潜力。本文将深入探讨谷歌在利用 AI 赋能个人健康与福祉方面的研究进展，重点介绍其大型语言模型 (LLM) 的创新应用，以及如何通过这些技术为人们提供更精准、更个性化的健康管理方案。
引言：AI赋能个性化健康的新时代
移动设备和可穿戴设备可以持续、细致地收集个体的生理状态和行为数据，例如步数、心率变异性、睡眠时长等 。这些数据不仅可以用于个人健康监测，还可以激励人们养成健康的生活习惯。基于生成式 AI 模型的个性化健康见解和建议，能够帮助人们实现健康目标。然而，要做到这一点，模型必须能够处理包含复杂时间序列和零散信息（如锻炼日志）的个人健康数据，结合相关的个人健康领域知识，并根据个人的健康状况提供个性化的解读和建议 。
以一个常见的健康问题为例：“我怎样才能睡得更好？” 尽管这个问题看似简单，但要给出针对个人的定制化回答，需要执行一系列复杂的分析步骤，包括：检查数据可用性、计算平均睡眠时长、识别一段时间内的睡眠模式异常、结合个人的整体健康状况来解读这些发现、整合关于睡眠的群体规范知识，并提供量身定制的睡眠改善建议 。
构建在 Gemini 模型之上的创新方法
谷歌的研究重点是构建在 Gemini 模型之上的创新方法，以提供准确的个人健康和福祉信息 。研究人员展示了两种互补的方法：
个人健康大型语言模型 (PH-LLM)
：这是一种经过微调的 Gemini 模型，旨在生成见解和建议，以改善与睡眠和健身模式相关的个人健康行为 。PH-LLM 使用多模态编码器，针对文本理解和推理以及来自可穿戴设备（如心率变异性和呼吸频率）的原始时间序列传感器数据的解读进行了优化 。
[
]
利用大型语言模型 Agent 将可穿戴数据转化为个人健康洞察
：这种方法强调了代码生成和基于 Agent 的工作流程的价值，通过自然语言查询来准确分析行为健康数据 。
这两项研究共同促进了交互式计算和基于个人健康数据的推理，为开发真正个性化的健康助手奠定了基础 。
个人健康大型语言模型 (PH-LLM) 的深入研究
为了系统地评估 PH-LLM，研究人员创建并整理了三组基准数据集，以测试：
- 模型根据个人睡眠模式、身体活动和生理反应生成详细的见解和建议的能力。
- 专家级领域知识。
- 预测自我报告的睡眠质量评估 。
实验设计与结果分析
对于见解和建议任务，研究人员与领域专家合作，创建了 857 个来自美国用户的案例研究，涵盖睡眠和健身两个个人健康领域。这些案例研究代表了真实的指导场景，突出了模型通过使用文本表示解释时间序列生理数据来理解、推理和指导的能力 。
通过对模型响应的全面评估，研究人员观察到，Gemini Ultra 1.0 和 PH-LLM 在健身方面的表现与专家表现没有统计学差异。虽然专家撰写的建议在睡眠方面获得了更高的评价，但性能很接近，并且进一步微调 PH-LLM 显著提高了其在使用相关领域知识和个性化信息方面的能力，以生成见解并预测潜在的因果因素 。
根据人类专家的评估，对 PH-LLM 进行微调提高了其在睡眠方面生成准确见解和潜在致病因素的能力。性能在健身方面与人类专家没有统计学差异 。
为了进一步评估专家领域知识，研究人员通过手动测试者使用在线门户网站，评估了 PH-LLM 在睡眠医学和健身认证考试风格的多项选择题数据集上的表现。PH-LLM 在睡眠方面达到了 79%（N=629 道题），在健身方面达到了 88%（N=99 道题），这两者都超过了人类专家样本的平均分（分别为 76% 和 71%），以及用于获得继续教育学分以维持这些领域专业执照的基准 。
PH-LLM 的多模态编码优势
为了使 PH-LLM 能够预测自我报告的睡眠质量评估，研究人员使用可穿戴传感器数据的文本和多模态编码表示，对模型进行了关于睡眠中断和损伤的验证调查问卷回复的训练 。研究表明，多模态编码对于实现与仅用于预测这些结果的判别模型相当的性能是必要且充分的 。
图表：PH-LLM 模型变体在自我报告的睡眠结果预测中的 AUROC 性能
总而言之，这些结果证明了调整 PH-LLM 以结合个人健康应用中的生理数据的优势 。
利用大型语言模型 Agent 将可穿戴数据转化为个人健康洞察
大型语言模型 (LLM) 可以通过软件工具进行增强以扩展其功能，例如代码生成和信息检索 。基于 LLM 的 Agent 能够迭代地推理并与工具交互，这为扩展其对复杂、时间性可穿戴数据的推理能力提供了一种有前景的方法 。
在第二篇论文中，研究人员介绍了一种基于 Gemini Ultra 1.0 的个人健康洞察 Agent 的框架 。该 Agent 利用 Gemini 模型的强大功能以及 Agent 框架、代码生成能力和信息检索工具，迭代地分析原始可穿戴数据，并为健康查询提供个性化的解读和建议 。这种组合使 Agent 能够：
分析来自可穿戴设备的数据
：Agent 使用 Python 解释器分析来自可穿戴设备的多维时间序列数据，执行复杂的计算并识别趋势 。
整合额外的健康知识
：Agent 通过搜索引擎访问知识库，将最新的医学和健康信息整合到其回复中 。
提供个性化见解
：Agent 通过个人数据、医学知识和特定用户查询进行迭代的多步骤推理，生成量身定制的见解和建议 。
Agent 逐步推理个人健康查询
Agent 的评估与性能
为了评估 Agent 的能力，研究人员整理了两个数据集：一个用于测试 Agent 在健康查询中的数值准确性，另一个用于通过人工注释评估 Agent 在开放式健康查询中的推理和代码质量 。
在第一个数据集“客观健康洞察查询”上，Agent 在 4,000 个客观个人健康洞察查询的数据集上达到了 84% 的准确率，证明了其处理数值推理和数据分析的能力 。
在第二个数据集“开放式健康洞察查询”上，研究人员评估了 Agent 在 172 个代表性开放式个人健康查询上的表现，涵盖了超过 600 小时的人工评估和超过 6,000 个模型响应。总的来说，Agent 在 14 个评估轴中的 9 个上显著提高了性能，优于非 Agent 代码生成基线，包括领域知识、逻辑和推理质量等关键方面 。
研究人员的人工和专家评估表明，Agent 的表现优于代码生成基线，这表明迭代推理和工具使用的重要性 。
结论与展望
谷歌的研究重点在于探索有助于人们拥有更长寿、更健康生活的特性和能力 。睡眠和健身是影响人口健康的关键组成部分，也是全世界过早死亡的预测指标 。研究中在案例研究、个人健康领域知识和睡眠与健身方面的开放式查询中展示的能力，代表了朝着 AI 模型迈出的重要一步，这些模型支持个性化的见解和建议，使个人能够从自己的健康数据中得出准确且可行的结论 。
研究人员期待着仔细的测试，并了解哪些能力对用户最有帮助 。随着 LLM 的持续发展，Agent 有望变得越来越复杂，并可能为个人健康管理提供更深入的见解和更有效的指导 。
最后
我在一线科技企业深耕十二载，见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。
我整理出这套 AI 大模型突围资料包：
- ✅AI大模型学习路线图
- ✅Agent行业报告
- ✅100集大模型视频教程
- ✅大模型书籍PDF
- ✅DeepSeek教程
- ✅AI产品经理入门资料
完整的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇
为什么说现在普通人就业/升职加薪的首选是AI大模型？
人工智能技术的爆发式增长，正以不可逆转之势重塑就业市场版图。从DeepSeek等国产大模型引发的科技圈热议，到全国两会关于AI产业发展的政策聚焦，再到招聘会上排起的长队，AI的热度已从技术领域渗透到就业市场的每一个角落。
智联招聘的最新数据给出了最直观的印证：2025年2月，AI领域求职人数同比增幅突破200%，远超其他行业平均水平；整个人工智能行业的求职增速达到33.4%，位居各行业榜首，其中人工智能工程师岗位的求职热度更是飙升69.6%。
AI产业的快速扩张，也让人才供需矛盾愈发突出。麦肯锡报告明确预测，到2030年中国AI专业人才需求将达600万人，人才缺口可能高达400万人，这一缺口不仅存在于核心技术领域，更蔓延至产业应用的各个环节。
资料包有什么？
①从入门到精通的全套视频教程⑤⑥
包含提示词工程、RAG、Agent等技术点
② AI大模型学习路线图（还有视频解说）
全过程AI大模型学习路线
③学习电子书籍和技术文档
市面上的大模型书籍确实太多了，这些是我精选出来的
④各大厂大模型面试题目详解
⑤ 这些资料真的有用吗?
这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。
所有的视频教程由智泊AI老师录制，且资料与智泊AI共享，相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。
资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。
智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念，通过动态追踪大模型开发、数据标注伦理等前沿技术趋势，构建起"前沿课程+智能实训+精准就业"的高效培养体系。
课堂上不光教理论，还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事！
如果说你是以下人群中的其中一类，都可以来智泊AI学习人工智能，找到高薪工作，一次小小的“投资”换来的是终身受益！
应届毕业生：无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。
零基础转型：非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界。
业务赋能 突破瓶颈：传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型。
👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓**
