Google Research 8 月 26 日公布了 GlucoFM，一个针对连续血糖监测数据的基础模型，作者是 Ahmed A. Metwally 和 Zechen Li。
结构是双流。信号被拆成低频的 state 流表示缓慢的血糖趋势，和残差的 event 流表示短期偏离，数据对齐到 24 小时、5 分钟一格的网格，并保留观测掩码。预训练走 JEPA 那一路的潜空间预测，两个目标分别是上下文预测和时序动态，另外加了模拟基线漂移、压迫性掉值、采样变稀和断连的数据增强。消融显示只留 event 流最差，完整双流最好。数据规模是 109066 小时无标注 CGM，来自 Wear-CGM 加四个公开数据集，共 477 条参与者或会话记录。
冻结编码器做线性探针，14 个队列与任务组合上平均 PR-AUC 从 54.7 升到 58.8，绝对涨 4.1 点，比同一语料上最好的 GluFormer 变体高 5.8 点。跨数据集迁移 12 项里赢 11 项，领先幅度 0.5 到 8.6 个点，输的那项差 0.6 点。
餐后血糖响应预测用了 34 名参与者的 874 个配对进餐事件，两小时轨迹的平均绝对误差 21.88 mg/dL，最好的基线是 22.90，训练集均值基线是 27.69。多日聚合最多到七天，多数场景有提升，Stanford 队列的 β 细胞功能障碍涨 9.6 点，Hall 队列的糖尿病预测涨 14.0 点。
页面只挂了论文，没有提代码、权重或数据集的发布安排。