关键词 "预测" 的搜索结果， 共 17 条, 只显示前 480 条
1. VarDrug 引入了一个机器学习框架，用于预测基因变异如何影响药物反应，重点关注精神类药物。它使用来自 PharmGKB 的数据来解决变异体-药物相互作用问题，并比基于规则的方法取得了显著的性能提升。 2. 其核心是一个自监督变异编码器，该编码器基于 100,000 个人类基因组变异体进行训练，并使用 DNABERT2 嵌入对每个变异体的基因组背景进行编码。将此变异编码器添加到标准机器学
1.PRO-LDM 引入了一种模块化潜在扩散模型，用于全长蛋白质序列设计，该模型兼具无条件生成和功能优化，将准确性与计算效率完美结合。 2. 一项重大创新在于在潜在空间中应用扩散，显著降低采样成本，同时保持生成序列的保真度和多样性。 3. PRO-LDM 通过将条件潜在扩散与监督适应度预测相结合，实现了具有目标特性（例如荧光、溶解度、热/化学稳定性）的蛋白质序列的可控设计。 4. 通过无分类
1. PDeepPP 通过将 ESM-2 蛋白质语言模型嵌入与混合 Transformer-CNN 架构融合，引入了统一的肽识别深度学习框架。该设计在各种生物信息学任务中均实现了高精度和可扩展性。 2. PDeepPP 在 33 项基准生物学任务中的表现显著优于先前的方法，包括抗菌、抗癌和糖基化位点识别。在抗菌肽检测中，其准确率达到 97.26%，PR AUC 为 0.9977，在抗疟药检测
MegaFold是一个跨平台系统，用于加速蛋白质结构预测模型（例如 AlphaFold3、AlphaFold2）。 为什么选择 MegaFold？ 跨平台支持：通过优化的基于 Triton 的内核，支持在异构设备上执行，包括 NVIDIA GPU 和 AMD GPU。 易于使用：只需更改几行代码即可获得巨大的性能提升 速度提升：每次迭代训练时间加快高达 1.73 倍 减少内存：将
１．本研究提出了蛋白质折叠进化模拟器（PFES），这是一个从随机氨基酸序列开始，以原子分辨率模拟蛋白质进化的计算框架。 ２．作者利用PFES证明，稳定的球状蛋白质折叠可以相对容易地从随机序列进化而来，每个位点只需0.2到3个突变，与LUCA以来观察到的进化变化相当或更少。 ３．值得注意的是，大约一半进化出的蛋白质与已知的自然折叠（例如HTH、SH3和β三明治）相似，而其余的则是独一无二的，这凸
OmniThink.AI是专注于零售和消费品行业的企业级AI平台，通过预测性和生成性AI技术帮助企业加速产品设计、市场营销和商品规划。基于专有的AI技术快速生成预测结果，以自然语言形式提供可操作的解释；支持全球数据模型，促进零售商和品牌之间的供应链协作，与现有设计工具、POS系统、电子商务和ERP系统无缝集成。 OmniThink.AI的官网地址 官网地址：https://www.omni
FateTell 是融合东方命理与 AI 技术的命运探索工具。FateTell 基于 DeepSeek、Gemini、GPT 等先进模型构建，邀请专业命理师共同搭建完整的命理测评体系。通过 AI 对话与个性化解读报告，FateTell 提供每日运势、AI 占卜、年运分析、命理学习、命盘分析等多维内容。FateTell 帮助用户在自我认知与现实决策之间找到连接，用科技赋能传统文化，为现代人提供一种独
RoboBrain 2.0 是强大的开源具身大脑模型，能统一感知、推理和规划，支持复杂任务的执行。RoboBrain 2.0 包含 7B（轻量级）和 32B（全规模）两个版本，基于异构架构，融合视觉编码器和语言模型，支持多图像、长视频和高分辨率视觉输入，及复杂任务指令和场景图。模型在空间理解、时间建模和长链推理方面表现出色，适用机器人操作、导航和多智能体协作等任务，助力具身智能从实验室走向真实场景
FinGenius 是全球首个A股AI金融博弈智能体应用。FinGenius基于多Agent博弈架构，模拟市场参与者行为，用16个超级智能体（如舆情、游资、风控等）分工协作，快速生成精准的金融分析报告。FinGenius 引入博弈论优化决策，结合“年轮记忆规则算法”记录用户投资习惯，提供个性化分析。FinGenius 支持用AI重塑金融分析，提升决策效率，为投资者和金融机构提供创新解决方案。Fin
智元机器人推出行业首个机器人世界模型开源平台Genie Envisioner（GE）。GE基于约3000小时真实机器人操控视频数据，整合未来帧预测、策略学习与仿真评估，形成闭环架构，使机器人实现从“看”到“想”再到“动”的端到端推理与执行。 链接： Project page：https://genie-envisioner.github.io/ Arxiv：https://a
SimpleFold 是苹果公司推出的轻量级蛋白质折叠预测 AI 模型。模型基于流匹配（Flow Matching）技术，跳过多序列比对（MSA）等复杂模块，直接从随机噪声生成蛋白质的三维结构，大幅降低计算成本。在 CAMEO22 和 CASP14 等权威基准测试中，SimpleFold 表现出色，无需昂贵的多序列比对和三角注意机制，能达到与顶尖模型（如 AlphaFold2、RoseTTAFol
AI Quests 是谷歌研究团队与斯坦福学习加速器联合推出的游戏化教育工具，通过沉浸式冒险活动，让11至14岁的学生学习人工智能（AI）及在现实世界中的应用。学生将扮演谷歌研究人员的角色，解决与气候、健康和科学相关的问题。首个任务是洪水预测，未来将有糖尿病视网膜病变检测和大脑映射等任务。每个任务配有课程计划、教师指南和真实研究人员的视频信息，帮助学生理解AI的实际应用。AI Quests主要功能
Spark Chemistry-X1-13B 是科大讯飞开源的化学专业大型语言模型。模型基于讯飞星火X1-0420大模型，经过多种化学任务数据集的微调，具备卓越的复杂化学问题解决能力，同时保持强大的通用性。模型基于新的注意力掩码机制，结合长思维链和快思考，有效防止不同推理模式之间的干扰。模型在高等知识问答、化学名称转换和分子性质预测等任务上表现出色，能助力化学科研工作的高效推进，激发跨领域创新，推
CWM（Code World Model）是 Meta 开源的一个拥有 320 亿参数的代码语言模型。它率先将“世界模型”的概念引入代码生成领域，让模型能够通过模拟代码执行过程，更深层次地理解和生成代码，而不仅仅是基于模式匹配。CWM 在多项基准测试中表现出色，例如在 Math-500 数据集上取得了 96.6% 的准确率。该模型的权重已公开，旨在推动代码生成和理解领域的研究，并帮助开发者更高效地
MiroMind：由陈天桥先生创立的预测型 AI 平台MiroMind 是由陈天桥推出的一个专注于 AI 领域的平台，致力于开发全球领先的预测型大模型。该平台的核心理念是让 AI “记住过去、洞察未来”，通过其独特的记忆驱动机制，帮助 AI 进行更精准的预测与决策。MiroMind 的主要产品包括：MiroThinker：一个开源的深度研究模型，在 GAIA 等基准测试中表现出色，超越了许多同类开
Qianfan-VL 是百度智能云千帆专为企业级多模态应用场景打造的视觉理解大模型。它提供 3B、8B 和 70B 三种尺寸，不仅具备出色的通用能力，还针对 OCR、教育等垂直领域进行了专项强化。该模型基于开源模型，并在百度自研的昆仑芯 P800 上完成了全流程计算任务，展现出卓越的性能和效率。核心功能多尺寸模型：提供从轻量级到大规模的三种版本，满足不同企业和开发者的需求，适用于各种场景，从端上实
GDPval 是由 OpenAI 推出的一个全新评估框架，旨在衡量 AI 模型在真实经济价值任务上的表现。该框架从对美国 GDP 贡献最大的 9 个行业中，选取了 44 种职业，设计了 1320 个贴近实际工作场景的真实任务（其中 220 个已开源）。这些任务涵盖了软件开发、法律文书、机械工程、护理计划等多个领域。每项任务都由平均拥有 14 年经验的专业人士设计和审核，确保评估结果能真实反映 AI
只显示前20页数据，更多请搜索
Showing 49 to 65 of 65 results
