这群在鸿蒙写应用的年轻人,只想做点「用得上」的
上周末,今年正式被列入「全国普通高校学科竞赛排行榜」的2026鸿蒙高校创新赛在南京大学迎来全国总决赛颁奖典礼。华为董事、终端BGCEO何刚出席现场致辞并为获奖选手颁奖。他在现场表示,HarmonyOS ...查看全文
检索标题、摘要与正文,把分散的信息连起来。
上周末,今年正式被列入「全国普通高校学科竞赛排行榜」的2026鸿蒙高校创新赛在南京大学迎来全国总决赛颁奖典礼。华为董事、终端BGCEO何刚出席现场致辞并为获奖选手颁奖。他在现场表示,HarmonyOS ...查看全文
一家精通讲故事的 VC,被困在了自己的故事里。 撰文:Eric,Foresight News 过去几年,「叙事」曾是判断一个加密项目潜力大小的重要参考。在市场以「市梦率」来计算买....
近日,科技巨头Anthropic宣布,收购药企Mithril Medicine。宣布当天,Mithril Medicine创始人科迪·特兰巴格在社交平台X上写道:“惊喜一:Anthropic收购一家....
在充满不确定性的 AI 制药领域,Alphabet 旗下的 Isomorphic Labs 传出了一笔引人关注的融资消息。11 月 8 日,据彭博社报道,这家公司正在洽谈一笔约 50 亿美元的新融资,估值可能达到 500 亿美元。这个数字放在整个 AI 制药行业里显得格外醒目。2025 年全球 AI 药物发现市场的规模约为 23 亿美元,而这家公司至今还没有任何一款药物进入人体临床试验。就在几天前,Isomorphic Labs 总裁 Max Jaderberg 还公开预测,未来所有药物都将由 AI 设计。如今,这一大胆判断与巨额融资消息联系在一起,也让外界更加关注 AI 制药的商业前景。诺奖...
最近读了一本关于制药的书,其中的一句话让我很震惊: 尽管大型制药公司付出了巨大努力,但21世纪猎药的主要技术跟5000年前并没什么两样——煞费苦心地从数量庞大的混合物中抽样做实验,希望能有....
国行 Apple 智能开始测试:iOS 27.3 首个开发者 Beta 版已推送11 月 4 日,苹果向开发者推送 iOS 27.3 首个 Beta 版,国行 iPhone 用户开始测试首批 Apple 智能功能,包括实时翻译、照片消除、写作工具和通知摘要等。国行 Apple 智能与阿里巴巴达成合作,在部分体验中接入千问。国内用户可直接在 Siri、写作工具和视觉智能...
人类并不擅长造药,AI 将包揽所有药物?近日,AI 制药公司 Isomorphic Labs 的总裁 Max Jaderberg 在英国一场活动上表示,未来所有药物都会由 AI 设计出来,唯一的悬念在于这一未来究竟会以多快的速度到来。他提到,Isomorphic Labs 目前仍处于药物研发的临床前阶段。按照既定计划,公司预计将在 2026 年年底启动首次临床试验,届时,其 AI 设计的候选药物将开始在真实患者身上接受安全性和有效性的检验。Isomorphic Labs 是一家备受关注的 AI 制药公司,也是谷歌母公司 Alphabet 旗下的子公司。2021 年,诺奖得主 Demis Has...
arXiv:2610.37844v1 发布类型:新 摘要:在形态学分析中,计算医学图像之间的最优传输映射具有基础性作用。然而,现有方法要么难以扩展至大型三维医学图像,要么依赖于正则化形式,只能提供近似的传输映射。为提高下游医学图像分析的准确性,我们提出了一种新颖的方法,通过参数化凸势函数来估计最优传输映射。根据构造,所得的传输映射必定无旋,符合布雷尼耶定理。我们在二维和三维医学影像数据集上对该方法进行了评估。实验结果表明,我们的方法能够实现更低的传输估计误差,并生成更高q
arXiv:2610.37906v1 发布类型:新 摘要:脉冲储备计算将固定递归储备池的训练效率与事件驱动推理的能量效率相结合,其中计算由稀疏脉冲触发,而非在每个时间步都进行密集运算。然而,现有的脉冲储备池几乎完全依赖于漏积分-发放(LIF)神经元,其低通特性限制了它们区分不同时间频率所编码信息的能力。我们提出了HRF-Res,一种液态状态机,其中LIF神经元被异质的谐波谐振-发放(HRF)神经元群体所取代。这些神经元具有内在的振荡动力学,并能选择性地响应输入频率,从而使储备池能够捕捉频
2026年10月26日,arXiv发布论文arXiv:2610.31723v1,提出拉丁语专用编码器Latin Modern BERT(LAMB),基于ModernBERT架构,经两阶段预训练,使用超740亿拉丁语词元及新型形态学感知掩码策略;同时公开两个全新拉丁语语料库:含240亿词元的Acervus(含76万经ByT5修复的OCR损坏文本)和首个人工构建的拉丁语语义三元组数据集Corpus Trinum(超1亿强/弱三元组)。
推荐理由:该研究填补了古典语言NLP基础资源空白,首次系统构建面向拉丁语语义理解的大规模预训练模型与配套评测基准,并通过严谨实验验证LAMB在17个子任务中16项领先,具备明确技术贡献与可复现性;所有结论均严格对应arXiv论文摘要与事实提取内容,未引入外部信息。