本文提出了一种名为Patch Diffusion的图像生成框架，通过条件分数函数和多尺度训练提高了数据效率，减少了训练时间。该方法解决了高分辨率图像生成中的物体重复和结构问题，展示了低分辨率模型在高分辨率生成中的潜力。Patch-DM算法利用特征拼贴技术实现无缝图像合成，降低了内存复杂度，并在多个数据集上取得了优异结果。

蛋白质语言模型ESM-AA通过多尺度训练提高了蛋白质结构预测和适应性预测的性能。ESM-AA在靶点-配体结合任务中表现优于其他模型，并在分子表示学习任务中超越了最先进模型。ESM-AA的多尺度预训练框架包括掩码语言建模和成对距离恢复。ESM-AA在酶-底物亲和力回归任务和药物-靶点亲和力回归任务中表现优于其他模型。蛋白质语言模型的应用前景广阔，不仅限于医疗和生物制药领域，还可扩展到其他领域。