镰刀韭菜-优快云博客

原创【PaperReading】Structure Is All You Need: Structural Representation Learning on Hyper-Relational Know

本文提出MAYPL框架，一种纯粹基于结构的超关系知识图谱(HKGs)表示学习方法。该方法通过结构驱动初始化器生成初始表示，并采用注意力神经消息传递机制聚合事实级和组件级结构信息，实现仅依赖图谱结构的链接预测。实验表明，MAYPL在10个数据集上优于40种现有方法，且具备处理新实体和新关系的归纳推理能力，成为首个适用于HKGs的纯结构驱动表示学习框架。

2025-11-06 08:00:00 52

原创 Enhancing Molecular Property Prediction with Knowledge from Large Language Models

本文把 LLM 提取的“知识特征”与预训练 GNN 的结构表征做可学习融合，并用 MINE 最大化二者的互信息。在 MoleculeNet 上，多数预训练骨干接入 LLM 知识后都有提升；而“把所有 RDKit 描述符一股脑拼上”反而常常掉点。作者还统计了 LLM 规则的重复/冲突率，展示“知识清洗”的必要性。

2025-10-31 22:00:00 1945

原创 ParaThinker: Native Parallel Thinking as a New Paradigm to Scale LLM Test-time Compute

“ParaThinker”旨在通过并行思考来突破传统LLM在推理阶段的性能瓶颈。研究发现，当前LLM的推理性能受限于其对初始思路的依赖，导致了所谓的“隧道视野”现象，即初始错误的想法会限制后续正确答案的生成。为了解决这一问题，文中介绍了一个基于并行思考的框架，该框架允许模型同时生成多个独立但相关的推理路径，并从这些路径中综合出最终答案。特别地，通过引入特殊的控制令牌、路径特定的位姿编码以及两阶段注意力机制设计，ParaThinker能够有效促进多样性思考的同时避免思维冲突。

2025-10-31 08:00:00 60

原创【AI4S】Motif-Driven Contrastive Learning of Graph Representations

本文介绍一篇名为"MOTIF-Driven Contrastive Learning of Graph Representations"的论文，该论文提出了一种新的图学习框架MOTIF，可以同时训练图神经网络（GNN）来学习子图表示，并基于它们的语义将这些表示聚类成模式（motif）。作者通过在分子属性预测数据集上进行实验验证了MOTIF的有效性，并且与现有的自监督方法进行了比较。MOTIF还可以增强药物发现和量子化学中的分子属性预测能力，并且更加可解释。

2025-10-24 20:00:00 82

原创【AI安全】Stronger Adaptive Attacks Bypass Defenses Against Llm Jailbreaks and Prompt Injections

OpenAI、Anthropic和Google DeepMind联合发表论文，提出通用自适应攻击框架，评估语言模型防御机制的鲁棒性。研究显示，现有12种防御措施在自适应攻击下成功率超90%，其中人工红队测试可攻破所有防御。论文强调，当前基于固定样本的静态评估存在缺陷，未来防御研究需纳入更强攻击测试。四种攻击方法（梯度下降、强化学习、随机搜索和人工红队）均能有效绕过提示工程、对抗训练、过滤模型和秘密知识等防御策略。研究呼吁采用动态优化的对抗样本进行训练，以提升模型真实防御能力。

2025-10-24 08:00:00 55

原创【药物设计】5分钟快速了解药物设计中什么是motifs?

本文介绍了药物设计中的motifs概念及其应用。Motifs是指分子图中高频出现且具有统计学意义的子结构，与普通分子片段的区别在于其出现频率和特殊化学性质。文中通过示例说明如何识别有效的motif，并强调学习motif有助于分子图表示学习，可类比NLP中的词嵌入技术。此外，文章还介绍了构建motif字典的方法，建议采用环结构分解等高效算法来提取基础子结构，以平衡字典规模和信息完整性。整体而言，motif分析为药物分子设计提供了重要的结构特征提取思路。

2025-10-23 08:00:00 1121

原创【AI Agent】Deep Research Agents的七个工业级应用案例

Deep Research Agents 工业级应用广泛，如在医疗保健中帮助医生诊断疾病、预测病情；在金融中辅助投资决策、降低风险；在制造中提高生产效率、降低成本；在教育中个性化学习、提高学习效果等。其应用前景广阔，可在各行业发挥重要作用，为企业和个人带来更多价值。

2025-10-22 08:00:00 911

原创【AI4S】大语言模型在药物开发中的应用：当前进展与未来方向

药物开发是一个极其复杂且耗时耗力的过程，传统上以高成本和高失败率为特征。新兴的大型语言模型（LLMs）有望彻底改变药物研发领域，展现出前所未有的数据分析与生成能力。然而，其变革潜力取决于能否有效克服一系列内在挑战。本文认为，将 LLMs 成功整合到药物开发中的关键，在于聚焦提升其可靠性、可解释性，以及与现有生物医学知识和实验验证体系的协同能力。

2025-10-21 08:00:00 1293

原创【AI4S】从直觉到人工智能：药物发现中的小分子表征演变

在药物发现领域，人工智能科学家和化学信息学家的目标是帮助识别分子起始点，从而开发出安全有效的药物，同时降低成本、时间和失败率。为了实现这一目标，以数字格式表示分子至关重要，这种格式使它们具有机器可读性，并有助于准确预测驱动决策的特性。多年来，分子表示已经从直观和人类可读的格式发展到定制的数字描述符和指纹，现在又发展到在广阔的化学空间中捕捉模式和显著特征的学习表示。其中，基于序列和基于图的小分子表示已变得非常流行。

2025-10-20 23:00:00 1668

原创【AI4S】Generative AI 为药物设计带来新思路：寻找“美丽分子”

摘要生成式人工智能（GenAI）为药物设计提供了新思路，其核心目标是创造兼具合成可行性、优良ADMET特性和靶点亲和力的"美丽分子"。本文提出多参数优化（MPO）框架结合人类反馈强化学习（RLHF）的方法，通过动态平衡药物研发中的多重目标，引导AI生成符合治疗需求的分子。研究探讨了化学表示方法、分子采购策略、MPO评分函数等关键技术，并强调了人类专家在定义"分子之美"中的关键作用。

2025-10-20 20:30:00 1023

原创【AI4S】AI设计小分子药物的三大底层逻辑

传统药物研发像一场豪赌：耗资26亿美元、耗时10年，成功率却不足10%。但AI的加入，让这场赌博变成了“精算游戏”。2025年，全球AI辅助药物管线已占新药研发的35%，其中小分子药物占比超过60%。从辉瑞的AI优化新冠口服药，到英矽智能的全球首款AI抗纤维化药物获批临床，这场革命正以惊人速度重塑行业。今天，我们**从类药性、ADMET预测、生成式模型**三大底层逻辑，揭开AI设计小分子药物的神秘面纱。

2025-10-13 23:30:00 749

原创【AI4S】利用大语言模型 LLM 进行分子设计

摘要：研究表明，预训练大语言模型（LLM）可有效用于分子设计。通过Claude 3 Opus模型，研究人员利用自然语言提示生成和修改分子，成功率高达97%。研究采用ZINC数据库分子，通过摩根指纹和PCA进行特征化，设计了基本、引导和控制生成三类提示。结果显示，LLM能根据指令调整分子结构特性，如电子结构和相似度，并在潜在空间中呈现不同的探索轨迹。该方法在药物发现和材料科学等领域具有潜在应用价值。

2025-10-11 21:30:00 870

原创【大模型应用】深度解析Deep Research系统结构与路线图

近年来，大语言模型（LLMs）的快速发展推动了功能强大的AI智能体的迅速崛起，这些智能体已具备自主科研的能力。早期的模型，如GPT-3，主要专注于解决单一任务，例如问答和机器翻译。随后，通过与外部工具的整合，像WebGPT这样的模型得以实现自主浏览网络，并从多种来源中高效整合信息。而最近，一类全新的先进自主系统——Deep Research（DR）智能体应运而生，其中以OpenAI DR、Gemini DR、Grok DeepSearch以及Perplexity DR等行业领先解决方案为代表。

2025-10-11 08:00:00 1018

原创【AI安全】Qwen3Guard: 实时流式检测实现AI模型安全防护新标杆

Qwen 家族中首款专为安全防护设计的护栏模型。该模型基于强大的 Qwen3 基础架构打造，并针对安全分类任务进行了专项微调，旨在为人工智能交互提供精准、可靠的安全保障。无论是用户输入的提示，还是模型生成的回复，Qwen3Guard 均可高效识别潜在风险，输出细粒度的风险等级与分类标签，助力实现更负责任的 AI 应用。

2025-10-10 22:00:29 2553

原创【AI安全】Anthropic推出AI安全工具Petri：通过自主Agent研究大模型行为

Anthropic推出开源AI安全工具Petri，通过自主Agent测试大语言模型行为。该工具对14款主流模型（包括Claude、GPT-5等）进行审计，发现均存在安全隐患，涉及欺骗、权力寻求等风险行为。Petri采用自动化测试范式，结合测试Agent与评判模型，大幅提升安全评估效率，并支持持续监测模型表现。测试还发现模型存在不当举报行为倾向，显示当前AI系统缺乏连贯伦理框架。Anthropic强调该工具旨在推动行业安全标准建设，但也承认存在评估偏差等局限性。

2025-10-10 20:30:00 811

原创【AI4S】基于分子图像与分子描述符的药物筛选预测模型

本文提出了一种结合分子图像与分子描述符的药物筛选预测模型，用于预测药物毒性（LD50）、血脑屏障穿透性（BBBP）和清除率（CL）。研究采用DeepSnap深度学习方法处理分子图像，并通过DataRobot平台构建基于分子描述符的模型。结果显示，集成两种方法的预测模型在AUC和平衡准确率上表现优异（LD50:0.942/0.842；BBBP:0.936/0.853；CL:0.908/0.832），显著优于单一方法。

2025-10-05 20:30:00 1043

原创【AI4S】DrugChat：迈向在药物分子图上实现类似ChatGPT的功能

本文介绍了一种基于人工智能的药物分析系统—— DrugChat，旨在模拟ChatGPT的能力，处理与药物分子图形相关的问题和答案。该系统通过结合图神经网络（GNN）、大型语言模型（LLM）和适配器，能够理解化合物的结构，并对用户提出的关于这些化合物的问题进行多轮交互式回答。作者收集了来自ChEMBL和PubChem的数据集用于训练DrugChat，包含10,834个药物化合物和143,517个问答对。文中详细介绍了数据收集过程、系统的架构及其组成部分的工作原理，并展示了 DrugChat 能够处理各种药物相

2025-10-04 20:30:00 842

原创【AI4S】3DSMILES-GPT:基于词元化语言模型的3D分子生成

分子生成是药物先导物发现和优化领域的一项重要创新技术，但当前这类方法在生成分子的有效性、结构合理性和合成可行性等多属性优化方面存在挑战，精度和效率往往难以两全。近日，浙江大学药学院康玉副教授、侯廷军教授和谢昌谕教授以及华为刘力维研究员团队在分子生成领域取得突破，成功研发了一种全新的基于纯语言模型的分子生成框架：3DSMILES-GPT。这一框架通过将分子的二维和三维结构视为语言表达，在语言模型的帮助下，实现了药物分子的高效生成。

2025-10-04 15:21:40 823

原创【AI4S】Token-Mol 1.0：基于LLM的token化药物设计

本文介绍一篇来自浙江大学侯廷军、谢昌谕和康玉团队联合发表的一篇论文。该研究提出了一种仅使用词元的三维药物设计模型Token-Mol，可以将二维和三维结构信息以及分子性质编码为离散的词元。Token-Mol基于Transformer解码器构建，采用因果掩码进行训练，并针对回归任务提出了高斯交叉熵损失函数（GCE），取代了传统的交叉熵损失。这种创新的损失函数在训练过程中为每个词元分配权重，使其能够感知数值词元的大小。Token-Mol在多个下游任务的测试中表现优异，有望成为创新药物研发的有力工具。

2025-10-03 12:35:54 1022

原创【AI4S】生成式AI助力药物分子结构优化全面综述

生成式AI在药物分子结构优化中的应用综述：本文系统探讨了生成式AI在目标导向和结构导向的药物分子优化中的最新进展。研究从CADD到AIDD的演化出发，重点分析了骨架跳跃、连接设计、片段替换和侧链修饰等结构导向任务的数据构建与模型开发。文章提出分类框架，阐明结构导向方法在精确控制分子子结构方面的优势，并通过化学空间比喻解释其优于去新设计的原理。同时，针对实际应用中的化学空间限制和多目标优化等挑战，作者提出了结合两种方法的互动策略及参考协议，为实验化学家整合AI工具提供实用指导。

2025-10-02 12:30:00 1904

原创【AI4S】Intern-S1：科学领域的开源基础模型

Intern-S1是上海AI实验室推出的开源科学多模态基础模型，核心创新包括：数据工程：构建2.5T科学语料库，开发PDF解析流水线（结合低成本解析与VLM精细处理）和域名为中心的网络数据筛选策略，显著提升科学数据纯度。模型架构：采用混合专家（MoE）架构（28B激活/241B总参数）创新动态分词器，解决科学符号编码问题集成视觉、时序等多模态编码器训练优化：提出混合奖励（MoR）框架，在1000+任务上协同优化，改进MoE的RL训练稳定性。

2025-10-02 08:00:00 644

原创【药物设计】三种分子碎片化方法介绍：Recap、BRICS与eMolFrag

本文介绍了三种分子碎片化方法：RECAP、BRICS与eMolFrag。RECAP通过11种预定义键断裂分子，模拟逆向合成过程，生成树状结构碎片，适用于组合化学构建块筛选。BRICS改进断裂规则并引入重组模体，通过同位素标签和连接原子标记断裂点，产生非冗余碎片集。eMolFrag方法未展开说明。文章详细解析了RECAP的实现原理、断裂规则和RDKit代码应用，并比较了RECAP与BRICS在标记断裂点时的差异。两种方法都注重保留有用片段并避免过度碎片化，为药物发现和分子设计提供有效工具。

2025-10-01 21:00:00 1040

原创【AI4S】分子对接中蛋白质结构和小分子结构的获取

本文介绍了分子对接研究中获取蛋白质和小分子结构的常用方法。对于蛋白质结构，可通过PDB数据库直接下载.pdb文件，或使用NCBI BLAST搜索同源结构，还可利用AlphaFold预测模型。小分子结构获取主要有三种途径：从PDB复合物结构中提取、在PubChem数据库下载3D结构文件(sdf格式)，或通过Grade Web Server在线生成。这些方法为分子对接研究提供了可靠的结构数据来源，帮助研究者开展感兴趣的生物分子相互作用分析。文章还提供了各数据库检索和下载操作的具体图示说明。

2025-10-01 20:00:00 613

原创【AI4S】Intern-S1：开源科学多模态基础模型深度解析

Intern-S1是InternLM团队推出的最先进开源多模态推理模型，基于235B MoE语言模型和6B视觉编码器构建，经过5万亿token多模态数据预训练，其中包含超过2.5万亿科学专业数据。该模型在科学多模态任务上表现出色，支持文本、图像、视频和科学数据的无缝处理，具备强大的多模态理解能力和科学领域深度优化。

2025-09-30 20:00:00 1957

原创【AI4S】通过单一基础模型双向生成分子的结构和特性

本文提出了一个多模态分子预训练模型，该模型结合了分子结构和生化特性的模态（structure-property multi-modal，SPMM），在一个共同的嵌入空间中对齐结构-性质特征，这使得模型能够考虑分子结构和性质之间的双向信息。这些信息产生了协同知识，从而能够通过单一分子基础模型处理多样化的分子预测下游任务。实验表明模型性能超越了现有方法。

2025-09-30 19:00:00 1671

原创【AI4S】ChemLLM：一种化学大型语言模型

ChemLLM 是一个综合性框架，首次推出了专为化学领域打造的大型语言模型。此外，它还包含 ChemData 数据集，该数据集专为指令微调而设计；以及 ChemBench 基准测试，涵盖了九项关键化学任务，性能卓越。

2025-09-30 08:00:00 868

原创【AI4S】大语言模型与化学的未来，以及整合外部工具和聊天机器人的潜力

在化学领域，语言模型正助力加速分子发现流程，这一点从近期早期药物研发中令人振奋的成果中可见一斑。本文综述了语言模型在分子发现中的关键作用，重点阐述其在从头药物设计、性质预测及反应化学等方面的独特优势。同时，我们特别推介了一系列极具价值的开源软件工具，有效降低了进入科学语言建模领域的门槛。最后，我们展望了未来分子设计的全新愿景：将聊天机器人界面与计算化学工具无缝结合，打造高效便捷的分子设计平台。

2025-09-29 21:00:00 964

原创【药物设计】ChatDD-水木分子发布的新一代对话式药物研发助手

清华大学孵化的水木分子公司发布新一代对话式药物研发助手ChatDD，基于千亿参数生物医药多模态大模型GhatDD-FM100B开发。该模型通过专业知识增强、多模态对齐等技术，在医药评测中获得超90分成绩。ChatDD聚焦药物立项、临床前研究和临床试验三大场景，可生成立项报告、辅助科研探索和患者筛选。其创新性地将医药研发划分为四个阶段，当前ChatDD代表最新的人机交互模式。底层技术包含多模态数据编码、特征空间对齐等，并已开源轻量科研版模型。产品通过自然语言交互，有效解决传统医药研发信息繁杂、非标准化等痛点。

2025-09-27 08:30:00 884

原创【大模型】从浙大综述理解Deep Research是什么？

人工智能（AI）技术正在引发知识发现、验证与应用方式的范式转变——传统研究方法依赖手动文献综述、实验设计和数据分析，如今正逐渐被能够自动化实现端到端研究工作流的智能系统所补充或替代。Deep Research 的出现，标志着大语言模型（LLM）、先进信息检索系统与自动化推理框架的融合，重新定义了学术研究与实际问题解决之间的边界。

2025-09-26 21:00:00 1051

原创【大语言模型】大模型后训练入门指南

本教程最初是为 Meta 的基础设施团队编写的，目标读者是没有 LLM 建模专业背景、但希望深入了解后训练并能够参与贡献的基础设施工程师。我认为这类工程师的群体非常庞大：随着强化学习逐渐成为主流，我们需要新的基础设施来提升生产力，因此弥合这一差距至关重要！我现在将其更广泛地分享，希望 PyTorch Foundation 内有相似背景和兴趣的更多同事也能像我们团队一样从中受益。

2025-09-25 23:45:00 1881

原创蚂蚁开源团队发布的2025大模型开源开发生态发展情况速览

蚂蚁开源团队发布《2025大模型开源开发生态全景图》，系统梳理了135个核心项目和19个技术领域的发展趋势。模型训练框架、高效推理引擎和低代码应用开发框架成为主导赛道。AI Coding类项目持续繁荣，而AI Search项目则逐渐式微。低代码平台如Dify、RAGFlow崛起，而SDK范式项目如LangChain则下滑。报告还揭示了七大技术趋势，包括智能体应用层的Agent框架演进和AI基础设施层的向量数据库需求。vLLM和SGLang成为主流推理引擎，推动大模型服务工具的发展。开源生态正加速技术落地，助

2025-08-01 19:00:00 2628

原创 2025年开源数据工程生态系统全景图

2025年开源数据工程生态系统全景概览开源数据工程领域在2024-2025年呈现蓬勃发展态势，新增50+工具，同时行业面临开源许可模式的重要转变。核心进展包括：技术革新：零磁盘架构（Zero-Disk）成为存储系统变革性趋势，DuckDB 1.0标志轻量OLAP成熟，HTAS架构推动事务与分析存储融合；生态扩张：Apache基金会新增XTable（表格式转换）、Amoro（湖仓管理）等孵化项目，Linux基金会吸纳vLLM、OpenSearch等关键工具；许可争议：Redis等转向专有许可引发讨论，

2025-08-01 07:30:00 1552

原创 2025年最佳17款免费人工智能项目管理工具评测

2025年最佳免费AI项目管理工具评测本文精选17款免费AI项目管理工具，帮助预算有限的团队高效协作。评测涵盖各工具的核心功能、适用场景和定价策略，其中：推荐工具： monday.com：最佳可视化项目进度工具 Wrike：AI辅助任务准确性突出 Notion：灵活团队协作首选 Taskade：远程团队协作利器 Backlog：专业缺陷跟踪解决方案关键亮点：所有推荐工具均提供免费版本付费方案起价$8/用户/月起包含14-30天不等的免费试用期覆盖项目管理全流程需求这些AI工具能有效帮助团队提

2025-07-31 08:00:00 1700

原创人工智能如何改变项目管理：应用、影响与趋势

摘要：人工智能正深刻改变项目管理，通过自动化任务（如日程安排、报告生成）、优化资源分配和实时风险预测，显著提升效率。AI工具（如Motion、ClickUp）能智能分配任务、平衡工作负载，并提供数据驱动的进度安排。在风险管理中，AI通过早期预警、情景模拟和数据洞察帮助规避延误。此外，AI增强团队协作，实现智能沟通与自动化报告生成，如Monday的定制化仪表盘。集成AI的软件（Wrike、Jira等）进一步简化流程，助力项目经理聚焦战略决策。随着技术发展，AI将成为项目管理不可或缺的工具，推动更高效、精准的

2025-07-30 20:00:00 1218

原创 LLM Landscape：2025年大语言模型概览

2025年主流大语言模型综合指南：本文精选了当前领先的大语言模型，针对不同场景提供选型建议。OpenAI的GPT-4o在多模态和实时对话表现突出，Anthropic的Claude系列强调安全性和推理能力，Google的Gemini 1.5 Pro擅长长文本处理，Meta的Llama 3和DeepSeek等开源模型适合自托管部署。医疗领域推荐Palmyra-Med-70B，创意写作可选Palmyra-Creative。

2025-07-28 20:00:00 1387

原创 Vibe Coding是什么？带你快速盘点25款AI驱动软件开发工具

Vibe编程：AI驱动的新型开发范式与工具盘点 Vibe编程是由前OpenAI高管提出的新型开发方式，通过自然语言交互让AI生成代码，实现"沉浸式"开发体验。其核心流程包含提示、生成、测试和优化四个阶段，显著降低编程门槛并提升原型开发速度。尽管能快速生成基础代码，Vibe编程仍面临复杂需求处理、代码质量把控和安全风险等挑战，需保持"人在循环中"的参与。文章盘点了25款主流Vibe编程工具，包括Cursor（AI原生IDE）、GitHub Copilot（代码助手）等

2025-07-24 21:30:00 1182

原创大模型为什么出现幻觉？

随着大模型（Large Language Models, 以下简称LLM）迅猛发展的浪潮中，幻觉（Hallucination）问题逐渐成为业界和学术界关注的焦点。所谓模型幻觉，指的是模型在生成内容时产生与事实不符、虚构或误导性的信息。比如，当你询问“世界上最长的河流是哪条？”模型可能一本正经地回答：“是亚马逊河，位于非洲”，而实际上亚马逊河在南美洲，同时也并不是最长的河流。又或者，当你让LLM介绍某个研究方向的最新进展时，它能说得有理有据并列出参考文献标题作者等细节信息，但等你检索时却发现那些文献根本不存在

2025-07-21 22:00:00 989

原创值得读的7本书人工智能安全相关书籍

本文推荐了7本关于人工智能与大模型安全的权威书籍，涵盖AI安全应用、大语言模型防护、对抗攻击防御等关键领域。从Paul Graham的《黑客与画家》探讨编程本质，到《Building Secure AI Applications》聚焦LLM特有风险；从《Superintelligence》分析超级智能威胁，到《Adversarial AI Attacks》提供具体防御策略，这些书籍为开发者和安全专家提供了从理论基础到实践落地的全面指导。特别推荐《LLM Security》和《Securing LLM Mod

2025-07-21 19:50:03 1558

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

The brief introduction of diffusion model and stable diffusion

转录调控中的非编码RNAs，以及肿瘤细胞中氨基酸代谢调控PPT

集成学习原理与应用介绍（随机森林）

为旅游交通服务的电池充电桩

Deep Facial Non-Rigid Multi-View Stereo

桥区通航风险问题分析与案例研究

大数据项目之数据挖掘子系统设计

DOES ENFORCEMENT OF INTELLECTUAL PROPERTY RIGHTS MATTER?

校园网IP地址规划

H3C全国网络技能大赛

空空如也