关键词 "预测" 的搜索结果， 共 24 条, 只显示前 480 条
Terray Therapeutics 拥有一批高质量的实验数据，想要进一步训练自己的小分子化学基础模型，用生成式 AI 来解决复杂的药物发现问题，但稀缺的计算资源是他们面临的一大障碍。英伟达承诺，将为 Terray 提供 NVIDIA DGX™ Cloud 平台，利用 NVIDIA AI 软件堆栈和 NVIDIA 的全栈计算专业知识，协助 Terray 优化和扩展其基础模型的开发。
哲源科技是一家以数字生命技术赋能医药创新的平台型公司。 公司拥有领先的生命功能的数字孪生技术，实现系统性递呈肿瘤新靶点，精准评估优势适应症，精准预测响应患者。 公司已经拥有新靶点、新适应症、药物伴随诊断等多项高价值IP。哲源致力于构建“药物数字试验场”，突破生化技术的瓶颈，提升药物研发效能、临床试验成功率、临床治疗有效率，为医药研发引入新范式，为人类健康保驾护航。
AlphaFold 是 DeepMind 开源的人工智能系统，借助 AlphaFold 可以更加准确的预测蛋白质的形状。主要应用于医疗保健和生命科学领域，有可能加速药物的研究与发现。 AlphaFold到底厉害在哪里？它的核心武器叫做“深度学习”，简单来说，就是让AI自己去学习成千上万个已知的蛋白质结构，从中找出隐藏的规律。更重要的是，AlphaFold引入了一种叫做“进化信息”的数据，分析
2021年7月，谷歌旗下DeepMind团队和欧洲生物信息研究所（EMBL-EBI）合作，发布由人工智能系统AlphaFold预测的蛋白结构数据库（AlphaFold Protein Structure Database）。这一数据库包含了AlphaFold人工智能系统预测的约35万个蛋白结构，覆盖包括人类以及20种生物学研究中常用模式生物（大肠杆菌、果蝇、斑马鱼、小鼠…）。在人类蛋白质组方面，A
卡内基梅隆大学的研究团队开发出一款名为 LegoGPT 的 AI 模型，能够根据文字指令生成可实际搭建的乐高设计。 比如输入文本「基本款沙发」，一眨眼的功夫，乐高沙发就拼好了。 团队训练了一种自回归大型语言模型，通过预测下一个 token 的方式，判断下一块该放置什么积木。团队还为模型增加了有效性校验和带有物理感知的回滚机制，确保生成的设计不会出现积木重叠或悬空等问题，也就是说最终结果始终可行
英纬达发布了其最新的 Cosmos-Reason1系列模型，旨在提升人工智能在物理常识和具身推理方面的能力。随着人工智能在语言处理、数学及代码生成等领域取得显著进展，如何将这些能力扩展到物理环境中成为了一大挑战。 物理 AI（Physical AI）不同于传统的人工智能，它依赖于视频等感官输入，并结合现实物理法则来生成反应。物理 AI 的应用领域包括机器人和自动驾驶车辆等，需要具备常识推理能
AnimeGamer 是基于多模态大型语言模型（MLLM）构建的，可以生成动态动画镜头和角色状态更新，为用户提供无尽的动漫生活体验。它允许用户通过开放式语言指令与动漫角色互动，创建独特的冒险故事。该产品的主要优点包括：动态生成与角色交互的动画，能够在不同动漫之间创建交互，丰富的游戏状态预测等。 快速入门 🔮 环境设置 要设置推理环境，您
MMaDA（Multimodal Large Diffusion Language Models）是普林斯顿大学、清华大学、北京大学和字节跳动推出的多模态扩散模型，支持跨文本推理、多模态理解和文本到图像生成等多个领域实现卓越性能。模型用统一的扩散架构，具备模态不可知的设计，消除对特定模态组件的需求，引入混合长链推理（CoT）微调策略，统一跨模态的CoT格式，推出UniGRPO，针对扩散基础模型的统
BAGEL是字节跳动开源的多模态基础模型，拥有140亿参数，其中70亿为活跃参数。采用混合变换器专家架构（MoT），通过两个独立编码器分别捕捉图像的像素级和语义级特征。BAGEL遵循“下一个标记组预测”范式进行训练，使用海量多模态标记数据进行预训练，包括语言、图像、视频和网络数据。在性能方面，BAGEL在多模态理解基准测试中超越了Qwen2.5-VL和InternVL-2.5等顶级开源视觉语言模型
Databricks SQL 是 Databricks 推出的智能数据仓库服务，基于 DatabricksIQ（Data Intelligence Engine）理解用户数据的独特性，为技术与业务用户提供易用的数据分析体验。Databricks SQL 基于湖仓架构，整合数据、分析和AI，消除传统数据仓库的独立性和复杂性，降低成本。Databricks SQL支持自然语言查询、预测性优化和自动化管
FaceAge是一款AI人脸识别扫描模型，它通过数万张患者照片和公共图像数据库进行训练，能够精准判断个人衰老迹象。 模型描述 FaceAge 深度学习流程包括两个阶段：面部定位和提取阶段，以及带有输出线性回归器的特征嵌入阶段，可提供生物年龄的连续估计。 第一阶段通过在照片中定位人脸并在其周围定义一个边界框来预处理输入数据。然后对图像进行裁剪、调整大小，并在所有 RGB 通道上对像
Aurora是微软研究院推出的13亿参数的大气基础模型，基于从海量大气数据中提取有价值信息，用在预测全球天气模式、空气污染和海洋波浪等大气过程。模型用预训练和微调的架构，处理不同分辨率和压力水平的数据。Aurora在多个预测任务中表现出色，包括高分辨率天气预测、空气污染预测和热带气旋轨迹预测，计算速度比传统数值天气模型快约5000倍。模型提高了预测精度，降低计算成本，为应对气候变化和极端天气事件提
RelightVid是上海 AI Lab、复旦大学、上海交通大学、浙江大学、斯坦福大学和香港中文大学推出用在视频重照明的时序一致性扩散模型，支持根据文本提示、背景视频或HDR环境贴图对输入视频进行细粒度和一致的场景编辑，支持全场景重照明和前景保留重照明。模型基于自定义的增强管道生成高质量的视频重照明数据对，结合真实视频和3D渲染数据，在预训练的图像照明编辑扩散框架（IC-Light）基础上，插入可
Vid2World是清华大学联合重庆大学推出的创新框架，支持将全序列、非因果的被动视频扩散模型（VDM）转换为自回归、交互式、动作条件化的世界模型。模型基于视频扩散因果化和因果动作引导两大核心技术，解决传统VDM在因果生成和动作条件化方面的不足。Vid2World在机器人操作和游戏模拟等复杂环境中表现出色，支持生成高保真、动态一致的视频序列，支持基于动作的交互式预测。Vid2World为提升世界模
FinRobot是一个超越 FinGPT 范畴的 AI 代理平台，是专为金融应用精心设计的综合解决方案。它集成了多种 AI 技术，超越了单纯的语言模型。这种广阔的视野凸显了平台的多功能性和适应性，能够满足金融行业的多方面需求。 AI代理的概念：AI代理是一种智能体，它使用大型语言模型作为大脑来感知环境、做出决策并执行动作。与传统的人工智能不同，AI代理具有独立思考和利用工具逐步实现既定目标的能力
Jodi是中国科学院计算技术研究所和中国科学院大学推出的扩散模型框架，基于联合建模图像域和多个标签域，将视觉生成与理解统一起来。Jodi基于线性扩散Transformer和角色切换机制，执行联合生成（同时生成图像和多个标签）、可控生成（基于标签组合生成图像）及图像感知（从图像预测多个标签）三种任务。Jodi用包含20万张高质量图像和7个视觉域标签的Joint-1.6M数据集进行训练。Jodi在生成
# 核心亮点 支持最强开源模型千问3，其代码能力达到业界领先水平，同时支持MCP协议，具备强大的工具调用能力，可以帮助开发者快速开发智能体应用。 全面集成通义灵码智能编码助手（即通义灵码插件）的能力，无需安装插件开箱即用，直接体验高效、智能的编程体验。 自带编程智能体模式，开发者只需描述编码任务，通义灵码便可以自主地进行工程感知、代码检索、执行终端、调用MCP工具等，
SmolVLA 是 Hugging Face 开源的轻量级视觉-语言-行动（VLA）模型，专为经济高效的机器人设计。拥有4.5亿参数，模型小巧，可在CPU上运行，单个消费级GPU即可训练，能在MacBook上部署。SmolVLA 完全基于开源数据集训练，数据集标签为“lerobot”。 SmolVLA的主要功能 多模态输入处理：SmolVLA 能处理多种输入，包括多幅图像、语言指令以及
Meta 又有新的动作，推出基于视频训练的世界模型 V-JEPA 2（全称 Video Joint Embedding Predictive Architecture 2）。其能够实现最先进的环境理解与预测能力，并在新环境中完成零样本规划与机器人控制。 Meta 表示，他们在追求高级机器智能（AMI）的目标过程中，关键在于开发出能像人类一样认知世界、规划陌生任务执行方案，并高效适应不断变化环境的
表答是AI智能数据分析和采集工具，让数据分析变得像对话一样简单。表答支持用自然语言驱动网页采集和表格类数据分析。用户只需上传表格用自然语言提问，AI 能自动解析生成可视化图表与深度洞见。表答支持多种数据分析模式，涵盖销售预测、用户行为分析、财务成本分析等场景，提供智能报告生成、数据质量检测和清洗建议等功能。工具支持多数据源连接，打破数据孤岛，具备企业级安全与私有化部署能力，确保数据安全与自主可控。
AlphaGenome是谷歌DeepMind推出的全新AI模型，能更深入地理解基因组。模型能接收长达100万个碱基对的DNA序列输入，预测数千种表征其调控活性的分子特性，评估基因变异的影响。模型基于卷积层、Transformer架构，训练数据来自大型公共数据库。模型具有长序列上下文与高分辨率、全面多模态预测、高效变异评分和新颖剪接点建模等优势，在多项基准测试中表现顶尖，基于API向非商业研究领域开
4D-LRM（Large Space-Time Reconstruction Model）是Adobe研究公司、密歇根大学等机构的研究人员共同推出的新型4D重建模型。模型能基于稀疏的输入视图和任意时间点，快速、高质量地重建出任意新视图和时间组合的动态场景。模型基于Transformer的架构，预测每个像素的4D高斯原语，实现空间和时间的统一表示，具有高效性和强大的泛化能力。4D-LRM在多种相机设
1. 本研究介绍了 PrefixProt，这是一个新颖的框架，它通过利用预训练蛋白质语言模型 (ProtLM) 上的前缀调整来实现可控蛋白质设计。它使用学习到的虚拟标记作为模块化控制标签，引导蛋白质生成朝着所需的结构和功能特性发展。 2. PrefixProt 最引人注目的特性在于它能够通过组合不同的虚拟标记来生成具有多种用户自定义属性（例如结构和功能）的蛋白质，而无需重新训练基础模型。这种组合
1.VALID-Mol 是一个系统性框架，通过集成快速分子工程、领域特定微调和自动化化学验证，显著提高了 LLM 生成分子的可靠性，有效性从 3% 提高到 83%。 2. 与典型的 LLM 应用程序（这些应用程序会产生看似合理但化学上无效的输出）不同，VALID-Mol 使用化学信息学工具验证每个生成分子的语法和语义，从而确保其科学严谨性。 3. 该框架最引人注目的创新在于其系统化的快速分子工
只显示前20页数据，更多请搜索
Showing 25 to 48 of 65 results
