腾讯AI Lab与北京大学深圳研究生院和西京消化病医院研究团队合作，提出了一种预训练抗体生成大语言模型（PALM-H3），用于从头生成具有所需抗原结合特异性的人工抗体CDRH3，减少对天然抗体的依赖。同时，还设计了一个高精度的抗原-抗体结合预测模型A2binder。该研究建立了一个用于抗体生成和评估的人工智能框架，有望加速抗体药物的开发。
2024年GitHub加速器欢迎11个开源AI项目加入，涵盖机器学习、人工智能框架、生物学和疾病发现、模型训练和调优工具、多模态和3D AI能力、可穿戴设备和AI驱动的机器人等领域。这些项目将获得近40万美元的支持，包括GitHub赞助、微软和技术福利、Open AI资源、GitHub产品和M12的连接。
开源日报介绍了多个开源项目，包括netboot.xyz（无需ISO文件即可启动操作系统的平台）、open-source-ios-apps（收集各种开源iOS应用）、Inferno（为SwiftUI应用设计的着色器集合）、Loro（支持CRDT的库，便于构建本地优先应用程序）和Ivy（统一的人工智能框架）。
本研究提出了一种基于软件工程原理的人工智能框架，用于识别和缓解医疗保健数据和模型中的偏见和歧视。通过案例研究发现，数据中的偏见会导致模型预测中的偏差增大，并提出了机器学习方法来预防这种偏见。未来的研究目标是在临床环境中测试和验证该框架，评估其在促进健康公平方面的影响。
本研究提出了一种基于软件工程原理的人工智能框架，用于识别和缓解医疗数据和模型中的偏见和歧视。通过案例研究发现，数据中的偏见会导致模型预测中的偏差增大，提出了机器学习方法来预防这种偏见。未来的研究目标是在临床环境中测试和验证该框架，评估其在促进健康公平方面的影响。
RAG是一个人工智能框架，用于解决大模型的“幻觉”问题。它通过从外部知识库检索准确、最新的信息，提高生成响应的可靠性。RAG有两个阶段：检索和生成。在检索阶段，算法搜索与用户提示相关的信息片段。在生成阶段，大模型从增强提示中提取信息，生成答案。RAG可以用于微调通用大语言模型，也可以构建基于语言模型的系统来访问外部知识源。它可以适应事实的变化，并且不需要重新训练整个模型。RAG是解决知识密集型任务的一种方法。
GPT-4-turbo是下一代RAG，可以处理128K输入令牌。RAG是一个人工智能框架，用于从外部知识库检索事实，提高大语言模型的质量。GPT-4-turbo的长上下文窗口可以克服搜索的局限性。多索引RAG可以从多个来源提取上下文，提高上下文涌现潜力。
完成下面两步后，将自动完成登录并继续当前操作。
