Google 发布 SensorFM 可穿戴健康基础模型

Google 发布 SensorFM，一个面向可穿戴健康数据的通用基础模型。该模型在超过一万亿分钟的传感器数据上预训练，数据来自 500 万名用户，覆盖 100 多个国家、50 个州和 20 多种 Fitbit 与 Pixel Watch 设备。输入包含 PPG、加速度、皮电、皮温、高度计等 34 个分钟级特征。

SensorFM 基于 LSM‑2 和自适应继承掩码（AIM）框架，采用自监督重建学习，天然处理数据缺失片段，无需插补或丢弃。模型从 100K 参数扩大到 1 亿参数、数据量从 200 万小时提升到 20 亿小时时，损失持续下降。SensorFM‑B 重建损失较最小变体降低 31％，下游分类 AUC 提升 9％，回归 Pearson 系数提升 21％。

💡 为什么值得看万亿分钟可穿戴数据训练，34/35 健康任务超越基线，健康代理输出媲美真实标签。