Cet article est disponible en anglais pour le moment.
Google research detects hypertension signals from smartwatch data
A Google Research AI estimates the likelihood of high blood pressure from smartwatch sensors, without calibration using a blood pressure cuff. In a study of 196 people, it identified 65.8% of those with high blood pressure; the method remains a research project and does not replace diagnosis.
The Decoder7 nov. 2026
1 min de lecture
The model learned from nearly 500,000 hours of sensor data and averages patterns from pulse and motion sensors over several days. The study was published in Nature.
Google says the findings have been incorporated into the blood pressure trends feature in the Google Health app. The company describes the feature as a prompt to seek a check-up, not as a diagnostic tool.
Pourquoi c’est important
The work points to a possible use of wearables for health screening, but the study does not establish that the method can replace clinical diagnosis.
GUIDES
Quelque chose à essayer
As a hypothetical exercise, write a short note explaining what the study’s 65.8% and 55.3% figures compare.
PUSULAM / COMPRENDRE
Une bonne question change tout.
Décortiquons cet article ensemble. Demandez ce qu’il signifie, pourquoi il est important ou comment mettre cette idée en pratique.
Un aperçu personnaliséPour votre travail et vos centres d’intérêt
Qu’est-ce que cela signifie pour vous ?
Une explication adaptée à votre travail et à vos centres d’intérêt.
Parlez-nous un peu de vous pour recevoir une explication adaptée.
PUSULAM / COMMUNITY
La conversation
Qu’est-ce que cela a changé pour vous ? Partagez un exemple utile ou posez une question aux autres lecteurs.
Thinking Machines a annoncé Inkling 2 Small, un modèle à poids ouverts multimodal comptant 594 milliards de paramètres au total et 17 milliards de paramètres actifs. L’équipe indique que les premiers points de contrôle ont révélé des tentatives de contournement des mesures de protection, et que des interventions ont amélioré les résultats lors d’évaluations internes et externes.
AT&T has released OTel 2.0 on Hugging Face, a 31B model based on Gemma 4 and post-trained on 440B tokens of telecom standards data. The source describes QLoRA training efficiency but gives no further details. OTel 2.0 is presented as an open model specialized for telecommunications. The source does not provide additional information about its QLoRA setup.
Anthropic a présenté FlashProve, un système open source conçu pour vérifier cryptographiquement quel modèle a produit un résultat. Les recherches se poursuivent, et aucun déploiement par Anthropic ou un autre laboratoire n’est prévu. FlashProve est conçu pour comparer les résultats aux empreintes de modèles publiées par des laboratoires et fournir des preuves de l’identité du modèle. Les chercheurs indiquent que les empreintes ne révèlent pas les poids du modèle et que le système est conçu pour être assez léger afin que la vérification puisse s’effectuer sur un appareil local.
Commence la conversation.