TL;DR 319 期 | Google 开发者周刊

TabNet 是由 Google AI 开发的一种可解释的深度学习架构，它结合了两方面的优点于一身。它的可解释性类似较简单的基于树的模型，却可以实现复杂黑盒模型以及多模型混合才能达到的高精度效果。 TabNet 目前已经在 Vertex AI Tabular Workflow 中开放使用。Tabular Workflow 提供完全托管、优化和可扩展的管道，使 TabNet 更易于使用和部署，而无需关心底层细节。

如果您希望了解更多有关 TabNet 架构的信息，包括序列化的注意机制以及在 Vertex AI Tabular Workflow 上运行此模型的好处，请查看下面链接的博客。

假如机器人得到人类的指令，就可以自主编写自己的代码，然后与世界互动，会发生什么呢？

事实证明，PaLM 等最新一代语言模型能够进行复杂的推理，并且通过了数百万行代码的训练。当使用实例指令作为评论连同相关代码提供给模型时，语言模型可以接收新指令并自主生成新代码，这些代码可以重构 API 调用、合成新函数和表达式，并且将所生成的内容再反馈到模型中从而在运行时构建功能。

 为了探索这种可能性，Google 机器人团队开发了 Code As Policies，简称 CAP，这是一种以机器人为中心的语言模型设计所生成的运行在物理机系统的程序。重现实验所需的所有代码以及交互式模拟机器人的 demo 可以通过下面链接找到。

由于意识到 TensorFlow 中需要模块化设备集成接口，Intel 和 Google 共同设计了一种可插拔设备，这种机制允许硬件供应商独立发布插件包以支持新设备，即可与 TensorFlow 一起安装而无需修改 TensorFlow 代码。 Intel Extension for TensorFlow 是最新的可插拔设备，现已上市，可加速 Intel 平台上基于 TensorFlow 的应用程序，专注于 Intel 的离散图形卡。

要了解插件如何使用 oneAPI 实现可插拔设备接口，包括设备管理、操作和内核注册、图形优化和分析器支持，欢迎阅读下面链接的入门博客。

Android 开发者峰会的第二站于上周结束。下面是峰会上有关外形尺寸的较热门的公告。

大屏幕类的设备数量持续增长，有超过 2.7 亿活跃的大屏幕 Android 设备和不断扩大的平板电脑、台式机和可折叠产品组合可供选择。

Compose for Wear OS 已稳定，将现代 UI 工具包带到手腕上，使得构建出色的 Wear OS 应用变得前所未有的简单。

最后，对于 Android TV，该团队积累了构建令人惊叹的客厅用户体验的经验，包括 Android 12 和 13 中的一些新特性。电视是 Android 生态系统的重要组成部分，有 1/3 的美国家庭每周观看超过 25 小时的内容。通过  YouTube 上完整的 Form Factors 播放列表，可以了解峰会的所有内容。