NVIDIA 与 C-BRAIN 如何用 人工智能(AI,Artificial Intelligence) 加速阿尔茨海默病研究
C-BRAIN 联合 NVIDIA 用 人工智能(AI,Artificial Intelligence) 挖掘此前无法访问的阿尔茨海默病研究数据,其 OpenScientist 工具把原本需数周至数月的分析缩短到几分钟,单次运行成本低于 10 美元。该联盟已覆盖 200 多个研究组,并计划构建多模态生物基础模型,寻找脑老化与阿尔茨海默病的因果机制。
C-BRAIN 联合 NVIDIA 用 人工智能(AI,Artificial Intelligence) 挖掘此前无法访问的阿尔茨海默病研究数据,其 OpenScientist 工具把原本需数周至数月的分析缩短到几分钟,单次运行成本低于 10 美元。该联盟已覆盖 200 多个研究组,并计划构建多模态生物基础模型,寻找脑老化与阿尔茨海默病的因果机制。
NVIDIA 发布 AIOps 平台 Minerva,把基础设施与 人工智能(AI,Artificial Intelligence) 工作负载的遥测数据汇总,再用专用 AI 模型转成可执行的洞察。
GitHub 博客采访三位有十余年 Java 经验的 Java Champion,介绍他们在生产项目和开源项目中使用 GitHub Copilot 的具体做法。
GitHub 官方教程介绍如何把 GitHub Copilot 应用中的会话直接打开到 VS Code 继续处理,会话的任务、计划和对话记录、代码差异以及独立工作树都会一并保留。读者可以在 VS Code 中逐行审阅智能体的改动、手动编辑、在集成终端运行测试,再把改动推送到该会话关联的拉取请求。前提是已安装并登录 GitHub Copilot 应用和 VS Code,且对会话所在仓库有推送权限。
Google 用智能体开发平台 Google Antigravity 演示了抗菌肽发现流程:生物学家与 人工智能(AI,Artificial Intelligence) 智能体在同一会话中完成跨数据库检索、结构分析与文献综合,并借助 ProtNLM 从 UniProt 数百万条未注释蛋白序列中预测功能,筛出一个对呼吸道感染病原体有预测活性的新型抗菌肽候选物。
GitHub 发布 Copilot 入门教程,介绍四种让 Copilot 了解代码库的方式:自定义指令、智能体技能、自定义智能体和模型上下文协议(MCP,Model Context Protocol)服务器。
Microsoft Research Asia 开源 Agent Lightning v1.0,这是一个约 3500 行代码的轻量智能体强化学习框架,让部署时使用的智能体框架直接参与训练,无需在训练框架里重写智能体。
推荐理由:框架把部署用的智能体直接接入强化学习训练,并给出约 6000 条样本提升 14.6 个百分点的完整流程,可据此判断改造成本。
GitHub 博客提出开发者应对 人工智能(AI,Artificial Intelligence) 工作方式变化的三项技能:学会指挥 AI 智能体(Agent)而非只使用它,用第二个模型审查 AI 输出,并借 AI 节省的时间处理更大问题。文中以 GitHub Copilot 内置的 Rubber Duck 智能体为例,说明第二个模型可审查计划、代码和测试,补上首个模型遗漏的问题。
GitHub Copilot 应用介绍用 canvases(画布扩展)搭建自定义工作流的方法:在智能体会话中输入 /create-canvas 技能,用自然语言描述工作流、界面操作和智能体可执行的动作,智能体就会生成界面并在右侧面板打开,无需手写代码或调整布局。
Berkeley 人工智能(AI,Artificial Intelligence) Research 提出 ABBEL 框架,把 大语言模型(LLM,Large Language Model) 的交互摘要写成自然语言“信念状态”并对其内容单独监督评分,替代传统递归摘要。
加州大学伯克利分校 EECS 副教授 Aditya G. Parameswaran 等人发文提出,随着推理成本快速下降,数据系统面临三类新问题:为智能体设计的数据系统、支撑智能体集群运行的数据系统,以及由智能体自行生成的数据系统。