用于精准预测 T 细胞受体–pHLA 结合的机器学习数据集与基准
一个面向 T 细胞受体–pHLA 结合预测的机器学习数据集与基准被提出,目标在于提升该类结合预测的准确性。原文正文未能加载,除标题所述的数据集与基准主题外,暂无更多可核验的样本量、模型版本或发布机构信息。
按时间排列的全部内容。默认只显示通过双重评分的入选条目;切换到“全部收录”可以检索所有抓到的资料。
2,351 条收录动态,更新于 07:01
全部收录包含没有通过评分的资料,标题以常规字体显示并标为“未入选”,只供检索,不写入选理由。
一个面向 T 细胞受体–pHLA 结合预测的机器学习数据集与基准被提出,目标在于提升该类结合预测的准确性。原文正文未能加载,除标题所述的数据集与基准主题外,暂无更多可核验的样本量、模型版本或发布机构信息。
原文正文未能加载,仅标题显示讨论让 AI 参与同行评审。由于缺少正文内容,无法确认涉及的具体工具、机构、证据阶段或样本数据。
英国启动总额1.65亿英镑的国家AI生物安全计划(National AI Biosecurity Initiative),其中1亿英镑用于建设 AI Biosecurity Lab(AIBL),目标是利用英国科研力量与最新AI检测生物威胁、防范新出现的风险。Google DeepMind 的 Pushmeet Kohli 表示该机构将作为合作伙伴支持这一实验室,并称生命科学进入变革期,研究者、政府与产业需共同加强生物防御并负责任地引导这些新能力。相关数字与定位来自其引用的 @KanishkaNarayan 推文。
2/7 We're launching a £165m National AI Biosecurity Initiative, including £100m for a world-first AI Biosecurity Lab. This will harness British scientific expertise and latest AI to detect biological threats and protect people from emerging risks. As with our @AISecurityInst, I want the new AIBL to lead the world in capability.
CACTUS 首席执行官 Akilesh Ayer 指出,论文撤稿率已从 2002 年的约 1/5000 升至 2023 年的 1/500,2023 年撤稿数突破 1 万篇;2020 至 2026 年间论文工厂发布逾 18,700 条售卖论文署名的广告。
Tavily 的 API Key 需在仪表盘创建并保存在后端,通过 Authorization: Bearer 头认证 Search 请求。每月含 1,000 免费 credits 且无需信用卡,按量付费为每 credit $0.008;开发密钥一般限 100 请求/分钟,生产密钥一般限 1,000 请求/分钟。
SciSpace 发布 PubMed API 教程,演示如何用 Python 调用 NCBI E-utilities 的 ESearch、EFetch 与 ELink 完成检索、抓取引文与摘要及解析 PMC 关联。
SciSpace 发布 Semantic Scholar API 指南,覆盖 Python 调用、API Key 申请与 Graph 端点用法。文档显示入门配额为每秒 1 次请求,匿名访问共享每秒 1000 次请求池;指南强调这是文档核对的操作示例,未做延迟或成功率基准测试。
Springer Nature 与 Google DeepMind 宣布合作,共同设计一款 AI 同行评审助手,帮助审稿人更高效地阅读稿件、分析大量文本、图表和图片,并标出可能需要重点关注的部分,以便把时间留给需要专业科学判断的问题。
入选理由出版商与模型方联合披露 AI 审稿助手的任务边界、测试阶段和私有部署方式,可供关注同行评审流程改造的从业者参考。
很期待很快在柏林 DevDay Exchange 招待大家 🍻
good morning, Berlin!
大语言模型对东南亚语言的理解程度如何?今天上午 10:30,欢迎到 #EMNLP2026 Google 展台(#D5)参加 Shubham Mittal 的现场演示,了解 DEEPSEA——一个用于评估大语言模型在 12 种东南亚语言上表现的基准。阅读论文:https://arxiv.org/pdf/2610.26155v1
最后召集。⏳ 首届 Robbyant 具身智能挑战赛的资格赛提交将于今日(10月26日)23:59(GMT+8)截止。 请完成上传并再次确认你的提交状态,以确保成功接收。我们期待你的创意作品。 在此提交参赛作品 →https://tianchi.aliyun.com/competition/entrance/532514 #EmbodiedAI #Robotics #LingBot
作者基于 OpenAlex 约 4.58 亿篇文献及 29 亿条引用链接,分析 1995 至 2025 年神经科学与 AI 的互相引用。
针对 Renato Duarte 对神经科学与 AI 引用模式的分析,有评论指出 AI 主要受神经科学抽象概念启发,而非具体神经机制。2015 年后引用神经科学的 AI 论文比例偏低甚至下滑,但神经启发 AI 论文的绝对数量仍在上升,构成可观足迹。评论认为,在 2022 年后这轮 AI 热潮中,如何分配研究时间仍是 NeuroAI 交叉领域的核心问题。
针对 Renato Duarte 的引用分析,有评论指出引用图只能记录思想谱系的最后几次交接,无法衡量神经科学对 AI 的深层影响。作者以 transformer 可追溯至 RNN 及神经科学中的循环回路观点为例,并引用 Robert Merton 的“obliteration by incorporation”概念说明基础性思想一旦成为常识便从引用记录中消失。
作者提出 Tampered ML 基准,包含 1,858 个条目对,每对由一篇已发表机器学习论文重构的实验方案与一个引入特定方法缺陷的最小改动反事实版本组成,模型需在两种呈现顺序下判断哪个方案方法上更可靠。
一项自动化方法采用投票式光学字符识别(OCR)从听力测试资料中提取并分析听力图数据。原文正文未能加载,无法核实该方法的具体性能、样本量与验证阶段。
正向对齐如何让自主 AI 智能体锚定核心价值观,而非依赖脆弱的评分规则?今天上午 9:00,欢迎参加 @GoogleDeepMind 研究员 Verena Rieser 在 @emnlpmeeting 的产业主题演讲,之后可前往 #EMNLP2026 Google 展台(D5)与我们的团队交流。
https://x.com/i/article/2114435487905808384
首都经济贸易大学智能经济研究院正升级"融创智谷"平台,该平台是统筹全校算力、共享数据资源的"算力—算法—数据"一体化底座,面向人才培养、科学研究和智库服务三类场景开放。各学院可开发自己的垂类大模型和智能体,为不同专业配备"智能助手"。中央财经大学、上海财经大学等多所财经高校也在加快学科调整和平台建设,探索"AI+财经"新路径。
https://x.com/i/article/2114575016805511169
仅剩的护城河就是 sybau 💔
似乎我打破了自己的纪录
Sebastian Raschka 开放「Build a Reasoning Model (From Scratch)」配套完整编程课,共 11 小时视频,从预训练小 Qwen3 0.6B 起步,用 Python/PyTorch 手写 verifier、推理时扩展、GRPO 版 RLVR 与蒸馏。
The complete reasoning-from-scratch video series is now up (and linked) here: https://magazine.sebastianraschka.com/p/building-reasoning-models (Taking a short break but will be back with LLM model and research updates in November!)
OpenAI 已于 2026 年 7 月 23 日下线 o3-deep-research 和 o4-mini-deep-research,以 gpt-5.6-sol 经 Responses 接口替代;SciSpace API 仍处早期访问阶段,需通过申请表获取。
数学与人工智能咨询小组(AGMAI)发文反对 AI 实验室在发布 AI 生成的数学成果时指定特定数学家提前接触或负责解读,认为延迟与不平等获取、剥夺社区自主权、选择偏倚和借用声誉等弊端超过其好处。
Greg Brockman 在 X 上引用 @scottnarmstrong 的评论并摘出其中一句,称 OpenAI 这篇论文在技术层面令人难以置信,可能超出人类能想到的范围,但并未超出人类理解。被引评论认为该构造与凸积分关系更大,其用流体不稳定性让流动自身产生振荡、由 Reynolds 应力形成坍缩光滑涡旋的做法在文献中无先例,并称已有多个 PDE 专家组大致理解该论文,预计很快会有解读。该评论同时批评称这一结果并不令人意外的说法站不住脚。
Since I'm now blocked by bluey from replying to this thread, I answer here by quote tweet the openAI construction has more to do with convex integration than anything else. In convex integration, the oscillations are typically built by hand and the iteration procedure creates wild weak solutions. The non-uniqueness construction of Albritton–Brué–Colombo used an unstable vortex to split solutions apart. The Córdoba–Martínez-Zoroa singularities amplify vorticity across scales by strain. In the openAI paper, a fluid instability is clever made so that the flow itself generates the oscillations: they grow by drawing energy from the background shear. The Reynolds stress then becomes the force that creates the collapsing smooth vortex. Using a physical instability to create the stress in this way has no precedent, and it is what produces a smooth force rather than a merely rough one. Some on these ideas are in the literature (e.g. Leibovich-Stewartson 1983) but the way they are combined is definitely insane and definitely nowhere in the literature previously. I also don't know of anyone suggesting that convex integration would play a role in the creation of a blow-up solution like this. On a technical level, the paper is unbelievable, maybe beyond what a human could have come up with but not beyond human understanding: there are several different groups of pde experts working on understanding it who say that they more or less understand now. I expect digestions soon td;lr: anyone saying that this OAI result is unsurprising is bullshitting sorry!
周日 @bot 反馈帖。 Grok 机器人现在最让人烦的是什么?实话实说,尽管狠一点。
Aaron Tay 重访其2020年10月发表的《下一代发现系统引文索引——2020年格局综述》一文中的预测,讨论AI搜索工具为何不需要自建引文索引。原文正文仅公开了开头部分,后续内容需订阅才能阅读。