# SensorFM – 谷歌推出面向可穿戴健康数据的通用基础模型 - Link: https://paooo.com/aigc-news/29132/ - Published: 2026-07-10T14:02:49+08:00 - Author: Prompt 语宙研究院 ## SensorFM是什么 SensorFM 是 Google Research 推出的面向可穿戴健康数据的大型传感器基础模型，基于 500 万参与者、超 1 万亿分钟无标签多模态传感器数据预训练，学习通用生理表征，可迁移至心 血管、代谢、睡眠、心理健康等 35 个健康预测任务，支持数据填充、标签高效适应，作为 个人健康代理的 grounding 工具。 阅读目录 * [SensorFM是什么](https://paooo.com/aigc-news/29132/#sensorfm%e6%98%af%e4%bb%80%e4%b9%88) * [SensorFM的主要功能](https://paooo.com/aigc-news/29132/#sensorfm%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd) * [SensorFM的技术原理](https://paooo.com/aigc-news/29132/#sensorfm%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86) * [如何使用SensorFM](https://paooo.com/aigc-news/29132/#%e5%a6%82%e4%bd%95%e4%bd%bf%e7%94%a8sensorfm) * [SensorFM的核心优势](https://paooo.com/aigc-news/29132/#sensorfm%e7%9a%84%e6%a0%b8%e5%bf%83%e4%bc%98%e5%8a%bf) * [SensorFM的项目地址](https://paooo.com/aigc-news/29132/#sensorfm%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80) * [SensorFM的应用场景](https://paooo.com/aigc-news/29132/#sensorfm%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af) ![SensorFM](https://paooo.com/wp-content/uploads/2026/07/SensorFM-website-1.avif) ## SensorFM的主要功能 * **通用生理表征学习**：从 PPG、加速度计、EDA、皮肤温度、高度计五种传感器模态中， 提取 34 个一分钟级聚合特征，学习跨个体、跨设备的通用生理表示。 * **多域健康预测**：覆盖心血管、代谢、睡眠、心理健康、生活方式、人口统计六大类共 35 个下游判别任务。 * **缺失数据填充**：用生成式预训练能力，对传感器数据中的缺失片段进行时间插值与外 推，如 60 分钟数据缺失时仍可保持 99.7% 的日步数预测精度。 * **标签高效适应**：仅需少量标注样本即可快速适配新任务，在数据稀缺场景下超越全监督 基线。 * **Agentic 预测头设计**：部署多 LLM [Agent](https://paooo.com/trends/) 协作竞争， 自动搜索并生成最优下游预测头代码，探索超 3 万个候选方案。 * **个人健康代理集成**：将下游预测器作为工具嵌入个人健康代理，提升 LLM 健康回答 的上下文感知、个性化与安全性。 ## SensorFM的技术原理 * **自监督重建预训练**：SensorFM 采用基于 LSM-2 的掩码自编码器框架，通过最小化掩 码区域的重建均方误差，从万亿分钟无标签数据中学习生理信号的内在结构，无需依赖昂贵 的健康标注。 * **Adaptive and Inherited Masking（AIM）**：将真实设备缺失与人工掩码视为等价， 直接从不完整记录中学习，使模型天生具备缺失感知能力，避免传统插补带来的偏差或数据 丢弃造成的浪费。 * **数据与模型联合扩展**：系统验证从 100K 到 100M 参数、从 200 万到 20 亿传感器 小时的扩展规律，发现两者同步扩展时，预训练损失与下游性能呈近线性提升且未出现饱和， 最[大模型](https://paooo.com/ai-study/) SensorFM-B 在 33/35 任务上取得最优。 * **线性探测评估**：冻结 SensorFM 编码器，仅在其上训练轻量级线性头，直接探测嵌入 质量。结果显示在 34/35 任务上超越人工特征工程的全监督基线，且随着模型规模增大， 对人口统计特征的依赖逐渐降低，说明大模型已隐式学到生理相关特质。 * **LLM Agent 自动优化**：构建”课堂”式多智能体系统，让多个 LLM Agent 迭代生成、 测试、优化预测头代码，最终方案在 16/20 个分类任务和 12/15 个回归任务上超越简单 线性探测，且 Agent 能力越强，搜索到的方案越优。 ## 如何使用SensorFM SensorFM 目前处于技术预览阶段，可作为学术研究参考，尚无法直接体验或部署。 ## SensorFM的核心优势 * **规模领先**：基于 500 万人、1 万亿分钟数据预训练，是目前最大最多样的可穿戴数据 集。 * **通用性强**：单一表征同时覆盖六大健康领域 35 个任务，无需为每个终点单独构建流水 线。 * **缺失感知**：AIM 机制将数据缺失转化为学习信号，非噪声或负担。 * **标签高效**：少量标注即可超越全监督基线，解决医疗领域标注稀缺痛点。 * **自动化适配**：LLM Agent 自动设计预测头，降低下游任务开发门槛。 * **临床验证**：通过 1860 名临床医生的评分验证，集成到个人健康代理后的回答在相关 性、安全性上显著提升。 ## SensorFM的项目地址 * **项目官网**：https://research.google/blog/sensorfm-towards-a-general-intelligence- and-interface-for-wearable-health-data/ * **arXiv技术论文**：https://arxiv.org/pdf/2605.22759 ## SensorFM的应用场景 * **心血管健康监测**：基于 PPG 和心率变异性特征，持续评估心律异常、血压趋势等心 血管风险，实现早期预警。 * **代谢风险筛查**：通过睡眠、活动量、皮肤温度等信号组合，推断糖尿病、肥胖等代谢 相关风险指标。 * **睡眠障碍分析**：利用多模态传感器融合，精准识别睡眠阶段、呼吸中断模式，辅助睡眠 呼吸暂停等障碍筛查。 * **心理健康追踪**：从心率变异性、皮肤电活动、活动模式中提取抑郁、焦虑等心理状态 的微弱信号，支持长期情绪监测。 [🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（ paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示 词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发 者与创作者提供一手、可复现的深度技术洞察。 [📄 Markdown 纯净版](https://paooo.com/aigc-news/29132/?format=md) 💡 这篇内容对您有启发吗？ [📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/) **🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词 咒语库 [🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/) [📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)