Zatom-2统一原子生成模型:跨分子材料蛋白预训练

Zatom-2 是一个在约 500 万个分子与材料结构上预训练的原子级生成模型,尝试用同一套架构覆盖化学、材料与生物蛋白场景,并在低数据量蛋白设计中报告了可复现的提升。

Zatom-2 是一个在约 500 万个分子与材料结构上预训练的原子级生成模型,尝试用同一套架构覆盖化学、材料与生物蛋白场景,并在低数据量蛋白设计中报告了可复现的提升。

2026年10月11日,Agent Skills Hub 发布当日 Claude Skills 与 MCP 工具 Top 10,9 个新项目、5 个与可视化生成相关;麦当劳 MCP 参赛作品一期收录 4 个,最终只保留 1 席。

快手技术专家王泽锋将在QCon上海站分享移动端稳定性Agent「柯南AI」的落地实践,讨论AI Coding提速之后,稳定性分析、根因定位与跨平台治理为何成为新的效率瓶颈。

alphaXiv 上公开的一篇论文提出 BrickBench,用 300 条提示词评测 AI 代理设计乐高模型的能力,发现主流模型能满足可搭建性,但设计水平仍明显落后于人类。

TensorFlow 作为 Google Brain 团队发起的端到端开源机器学习平台,近日登上 GitHub Trending。它提供 Python 和 C++ 稳定 API,以及面向其他语言的非向后兼容 API,至今仍是 AI 研究与产品化的重要基础设施。

InfoQ 中文站发布了一份实践指南,总结如何用 AI 编码智能体记录遗留服务、发现架构缺陷、做安全审计、生成架构基础与可测试的最小可行架构(MVA),核心结论是:AI 加快写代码,但需求和约束的显式定义反而变得更关键。

面对百万级并行仿真环境,强化学习却把大量算力浪费在已掌握或无法完成的任务配置上。一篇 2026 年 10 月发布在 alphaXiv 的论文提出 Success Guided Sampling,用近期成功率动态调整采样分布,在四足运动和精密装配任务上显著优于均匀采样基线。

一个全新的稀疏优先推理引擎 SparseEngine 从底层重构了 KV 缓存管理,支持 15 种稀疏注意力方法,并在实验中实现了比 vLLM 高 10 倍以上的吞吐量。它为长上下文 LLM 智能体的内存和计算瓶颈提供了新的解决方案。

Hugging Face Papers 收录的论文提出 Hebero 基准与 DGPO 方法,在 GPU 并行仿真中联合训练单一策略完成 40 项异构操作任务,报告 90.1% 状态输入平均成功率,值得关注机器人多任务强化学习与并行仿真结合的趋势。

GitHub 上出现了一个名为 multica-ai/andrej-karpathy-skills 的项目,把 Andrej Karpathy 对 LLM 写代码常见问题的观察整理成一份 CLAUDE.md 文件,用来约束 Claude Code 的行为,目前登上 GitHub Trending。