Natural language 语言应用于蛋白质和基因组设计软件
AI 工具现已支持用户通过自然语言描述所需蛋白质类型。该功能允许用户直接向 AI 工具指示生成特定蛋白质,将自然语言能力扩展至蛋白质和基因组设计软件领域。
AI 工具现已支持用户通过自然语言描述所需蛋白质类型。该功能允许用户直接向 AI 工具指示生成特定蛋白质,将自然语言能力扩展至蛋白质和基因组设计软件领域。
研究者在纽约大学和德克萨斯大学奥斯汀分校进行的实验中,发现了六种使 AI 文本阅读枯燥的语言模式。实验涵盖 Claude、GPT‑5.6、GLM‑5、Kimi K2.5、Llama、Olmo 等 14 款模型,分析了 120 场对话、45 场编码会话和 980 篇议论文,并与人类文本进行对比。
Nvidia 开源了 Flora 机器人视频标注引擎,利用三大 Qwen3.5 模型完成动作分割、描述和评估,日可标注 200,000 小时视频。Flora 估计每小时标注成本仅 0.72 元,远低于 GPT‑6 Astra 的 88.49 美元。
推荐理由:Flora 通过三大 Qwen3.5 模型实现全流程视频标注,成本低至 0.72 元/小时,读者可评估其在机器人训练数据上的应用潜力。
Google DeepMind 与 Google Research 与世界资源研究所(WRI)及国际应用系统分析研究所(IIASA)联合发布了 Forest Typology (ForTy) 2020,提供10米分辨率的全球森林类型分类图,并公开了2017‑2025年的时间序列。
推荐理由:新地图提供10米分辨率的森林类型分类和时间序列,结合EUDR监管需求,ForTy可精准识别自然森林与种植园,支持监管者和企业评估森林变化与合规风险。
NVIDIA 在欧洲各行业部署了 Earth-2 开源模型,提升天气与气候预测能力。StormScope EU 通过 EUMETSAT 卫星观测,利用 16 条 Meteosat 通道以 10 分钟一次的频率预测云层变化;CorrDiff 可为粗粒度天气数据添加局部细节。
推荐理由:文章展示了 NVIDIA Earth-2 在欧洲各行业的实际应用,读者可了解其模型如何提升天气预测精度与业务决策。
Microsoft Research 开发端到端机器学习管道,能在美国大陆 66,935 个变电站上提前 30~60 分钟预测空间天气风险,并在评估期内检测到近 80% 的重大事件。系统融合 L1 太阳风观测、AE 与 Dst 指数预测、地质导电率等特征,利用梯度提升模型估算 dB/dt,检测率分别为 76.5%(重大)、81.2%(严重)和 64.1%(极端)。