在开发者的日常工作中，命令行工具扮演着不可或缺的角色。从Docker到Kubectl，从Helm到Terraform，这些优秀的CLI工具背后，都有一个共同点—...

很多讨论都在问：AI 会不会取代程序员？哪些岗位会先消失？是不是初级程序员最危险？

[OPUS：迈向大语言模型每次迭代预训练中高效且原则性的数据选择](https://arxiv.org/abs/2602.05400)

[ERNIE 5.0 技术报告](https://arxiv.org/abs/2602.04705)

小分子药物设计、多肽生成、片段连接与逆折叠等任务，长期以来分别由不同模型与流程处理。小分子通常依赖图模型与3D生成框架，多肽设计则分为 backbone 构建、...

在疫苗开发过程中，一个关键挑战是从病原体产生的数千种蛋白质中筛选出合适的靶抗原，人工智能有望在解决这一挑战中发挥重要作用。

分子生成模型正在快速推动化学发现与药物设计的发展。近年来，流匹配模型(flow matching)在无条件分子生成任务中已达到领先水平，但在性质引导生成(pro...

药物发现与材料科学的核心挑战之一，是如何设计具有特定性质的新分子。大语言模型（LLM）凭借强大的上下文学习能力，为分子生成任务带来了新的可能——只需给出少量示例...

内在无序蛋白及其区域在几乎所有真核生物细胞过程中都发挥关键作用，但它们并不存在单一稳定结构，而是以大量不断变化的构象集合形式存在。传统结构预测方法难以描述这种高...

研究人员提出了一种名为 TiRank 的新型计算框架，旨在优先识别具有临床相关性的空间生态位 。该方法通过整合单细胞RNA测序（scRNA-seq）、空间转录组...

研究人员提出了一种名为 spEMO 的人工智能框架，用于联合分析空间多组学数据与病理图像。该方法通过整合病理基础模型生成的图像嵌入与大语言模型提供的文本知识嵌入...

在分子发现领域，数据往往分散在不同机构和企业之间，由于隐私保护、知识产权和数据安全等限制，难以实现数据共享，从而制约了机器学习模型性能的提升。为解决这一问题，研...

超大规模虚拟筛选(ULVS)的发展使得对数亿乃至数十亿级别化合物进行系统性评估，从中发现潜在苗头化合物成为可能。2026年1月27日，斯威本科技大学砂拉越校区与...

晶体材料（如沸石）的合成规划长期以来依赖经验驱动的试错过程，其根本原因在于材料结构与合成条件之间存在高度复杂且多对多的映射关系。尽管计算材料学已经能够在结构层面...

RNA 适配体（RNA aptamer）因其高特异性结合能力，在靶向治疗、分子诊断和生物传感等领域具有重要应用潜力。然而，适配体的发现与优化长期以来依赖多轮、劳...

科学研究高度依赖对海量文献的系统综合，但随着论文数量激增，研究人员难以高效获取、整合并验证相关知识。大语言模型虽具潜力，但常出现幻觉引用、知识过时及缺乏可靠归因...

原子级模拟在化学与材料科学研究中发挥着至关重要的作用。然而，由于在计算设置、任务执行以及结果验证等阶段均需要较高的专业知识，其高效运行长期以来仍具有较大挑战。2...

作者给的答案是：可以，而且不需要再训练一个新模型——他们提出了 SHINE：一个免训练的高保真插入框架（Seamless, High-fidelity Inse...

论文链接：https://openreview.net/forum?id=JGkZgEEjiM

Agent应用最难的是建立信任，而信任的关键，正是对Agent能力的精准度量。缺乏可量化指标和系统评测体系，Agent的能力就无从验证，也无法判断其在真实场景中...