抱歉,您提供的文本内容过于简短,无法进行有效的总结。请提供更详细的文章内容。
肿瘤免疫微环境对癌细胞生长和治疗反应有重要影响。传统免疫组织化学技术难以捕获多蛋白信息,而多重免疫荧光技术成本较高。研究团队利用AI技术GigaTIME,从常规H&E切片生成虚拟多重免疫荧光图谱,分析超过14,000名癌症患者的数据,揭示肿瘤免疫微环境的复杂性,为精准医疗提供新工具。
华盛顿大学研究者开发了LLMc,一种基于大型语言模型的无损文本压缩引擎,其压缩率优于传统工具。LLMc采用概率预测和排序编码方法,有效压缩文本,但在处理速度和应用范围上仍面临挑战。
机器之心数据服务现已上线,提供高效稳定的数据获取服务,帮助用户轻松获取所需数据。
华盛顿大学医学院与Databricks合作,建立现代AI数据基础设施,推动医疗转型。Dr. Philip Payne和Mike Sanky讨论了该合作的影响,包括识别圣路易斯的阿尔茨海默病治疗缺口及加速生成AI在医院入院中的应用。
研究发现,虚假奖励能显著提升Qwen模型的性能,接近真实奖励水平。华盛顿大学团队指出,错误奖励和随机奖励同样有效,尤其在Qwen2.5-Math模型中。研究强调推理过程的重要性,建议未来关注非Qwen模型的验证。
19世纪末,贝林发现家兔血清中有抗体,开启抗体研究。传统抗体开发依赖动物免疫,面临瓶颈。华盛顿大学团队利用RFdiffusion模型,实现抗体计算设计,标志着抗体研究的新突破。
AAAI公布2025年度Fellow评选结果,16位学者入选,其中4位华人:陈一昕、付昀、熊辉和杨明玄因在机器学习和计算机视觉等领域的杰出贡献获奖,彰显华人在人工智能领域的影响力。
华盛顿大学的计算机硬件与软件接口课程深入探讨计算机系统架构,适合计算机科学学生和技术爱好者。课程涵盖C语言和x86汇编的实践编程,提供内存管理和低级编程的知识,帮助学生理解数字基础设施。
华盛顿大学开发了一种AI逆向绘画技术,能够重绘梵高的《星空》。该技术通过学习艺术家的绘画过程,结合文本和区域理解,生成类似人类艺术家的绘画视频。其过程包括学习绘画、定义指令和使用扩散模型生成图像。项目引发热议,有人担心AI影响艺术原创性,也有人认为有助于学习绘画。两位作者分别来自东北大学和上海科技大学。
华盛顿大学研究人员开发了Casanovo机器学习模型,可将质谱中的峰序列转换为肽序列。使用Transformer神经网络架构,在3000万个标记光谱上进行了训练。Casanovo在跨物种基准数据集上表现优于其他方法,并改善了免疫肽组学和宏蛋白质组学实验的分析。研究发表在《Nature Communications》上。Casanovo还可用于抗体测序和其他应用。未来计划对Casanovo进行微调以适应不同的裂解酶。
华盛顿大学、Salesforce Research和斯坦福大学等机构联合构建了规模空前的开源多模态数据集MINT-1T,包含一万亿文本token和三十亿张图像。该数据集经历了多个步骤,包括数据收集、过滤和去重。实验结果显示,在MINT-1T数据集上训练的模型在多个基准任务上表现优于之前的数据集。这个超大规模的开源多模态数据集有望成为多模态大模型的起点。
美国拜登政府宣布了1.1亿美元的日美人工智能合作伙伴关系,其中包括通过华盛顿大学和筑波大学的合作资助研究的计划。NVIDIA与亚马逊合作,投资2500万美元,旨在将最新技术带到华盛顿大学和筑波大学。全球各大学通过提供超级计算的高性能计算能力,为学生提供关键的人工智能技能培训。NVIDIA多年来一直在大学投资,提供计算资源、高级培训课程、捐赠等支持,为学生和教授提供高性能计算(HPC)用于突破性研究成果。
完成下面两步后,将自动完成登录并继续当前操作。