Anthropic показала, как Claude помогает разрабатывать лекарства: от дизайна молекул до лабораторных испытаний и документов для регуляторов.
Компания опубликовала первые результаты сотрудничества с шестью организациями. Среди них – Generate Biomedicines, BigHat, Enveda и Bristol Myers Squibb.
CAR-T-терапия против рака. Учёные Generate с помощью Claude Code предложили укороченный участок генетической инструкции. Один вариант оказался примерно на 70% короче стандартного. В лабораторных тестах клетки производили примерно в 10 раз больше рецепторов, эффективнее уничтожали опухолевые клетки и дольше сохраняли активность.
Кандидаты против пищевой аллергии. Для Divergence Labs Claude создал около 35 тысяч дизайнов антител за месяц. Первые испытания выявили варианты, способные связывать IgE и отделять его от иммунных клеток. Следующий этап – объединить эти свойства в одном препарате.
Оптимизация антител. BigHat изготовила и проверила около 1010 вариантов за 10 недель. Лучшие связывали мишень более чем в десять раз сильнее исходных.
Проверка производственных документов. На 1061 странице Claude обнаружил все 11 проблем, найденных людьми, и ещё семь пропущенных. Время ручной проверки сократилось на 89%.
Anthropic также приобрела Mithril Medicine, разрабатывающую средства против редких мышечных дистрофий.
Большинство результатов пока доклинические: эффективность и безопасность новых препаратов у людей ещё предстоит установить.
https://www.anthropic.com/research/early-progress-drug-development
Компания опубликовала первые результаты сотрудничества с шестью организациями. Среди них – Generate Biomedicines, BigHat, Enveda и Bristol Myers Squibb.
CAR-T-терапия против рака. Учёные Generate с помощью Claude Code предложили укороченный участок генетической инструкции. Один вариант оказался примерно на 70% короче стандартного. В лабораторных тестах клетки производили примерно в 10 раз больше рецепторов, эффективнее уничтожали опухолевые клетки и дольше сохраняли активность.
Кандидаты против пищевой аллергии. Для Divergence Labs Claude создал около 35 тысяч дизайнов антител за месяц. Первые испытания выявили варианты, способные связывать IgE и отделять его от иммунных клеток. Следующий этап – объединить эти свойства в одном препарате.
Оптимизация антител. BigHat изготовила и проверила около 1010 вариантов за 10 недель. Лучшие связывали мишень более чем в десять раз сильнее исходных.
Проверка производственных документов. На 1061 странице Claude обнаружил все 11 проблем, найденных людьми, и ещё семь пропущенных. Время ручной проверки сократилось на 89%.
Anthropic также приобрела Mithril Medicine, разрабатывающую средства против редких мышечных дистрофий.
Большинство результатов пока доклинические: эффективность и безопасность новых препаратов у людей ещё предстоит установить.
https://www.anthropic.com/research/early-progress-drug-development
👍16❤10🔥9
Исследователи Т-Банка разработали LIMe — метод, который позволяет сократить вычислительные затраты на обучение на 15% при том же качестве, что и у базовой LLaMA. Разработку представили на EMNLP — ведущей международной конференции по обработке естественного языка.
В трансформерах текст проходит через слои в виде числовых представлений. По мере обработки они могут становиться слишком похожими — модель теряет важные различия между токенами и хуже справляется с многошаговыми рассуждениями
LIMe добавляет маршрутизатор, который выбирает, какую информацию из предыдущих слоев использовать. Это помогает сохранять различия между токенами и повторно использовать результаты вычислений
Метод проверили на моделях примерно с миллиардом параметров. На бенчмарках языкового моделирования и рассуждений LIMe показал более высокое качество по сравнению с другими методами. Особенно заметной разница оказалась в синтетических арифметических задачах и в моделях с большим количеством слоев.
В результате нужно меньше вычислений для достижения того же качества и более точное решение задач, требующих рассуждений. Код LIMe выложен в открытый доступ на GitHub
📖 https://github.com/corl-team/lime
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥24👍15❤13😁3⚡2
Классическая книга о SVM и ядерных методах – Learning with Kernels доступна в PDF.
Бернхард Шёлькопф и Александр Смола объясняют математические основы метода опорных векторов, регуляризации и оптимизации.
Идея SVM – найти разделяющую границу с максимальным зазором между классами. С линейным ядром она линейная, а ядерный трюк позволяет строить нелинейные границы, не вычисляя новое пространство признаков явно.
В книге:
- SVM и методы максимального зазора.
- Ядерные функции и их математические свойства.
- Регуляризация и контроль сложности модели.
- Оптимизация и теоретические основы обучения.
- Задачи в конце глав для самостоятельной работы.
Подойдёт тем, кто хочет понимать, что происходит за вызовом SVC.fit(). Для чтения пригодятся линейная алгебра, математический анализ и теория вероятностей.
Книга на английском. Издатель указывает объём 648 страниц.
PDF:
https://mcube.lab.nycu.edu.tw/~cfung/docs/books/scholkopf2002learning_with_kernels.pdf
Бернхард Шёлькопф и Александр Смола объясняют математические основы метода опорных векторов, регуляризации и оптимизации.
Идея SVM – найти разделяющую границу с максимальным зазором между классами. С линейным ядром она линейная, а ядерный трюк позволяет строить нелинейные границы, не вычисляя новое пространство признаков явно.
В книге:
- SVM и методы максимального зазора.
- Ядерные функции и их математические свойства.
- Регуляризация и контроль сложности модели.
- Оптимизация и теоретические основы обучения.
- Задачи в конце глав для самостоятельной работы.
Подойдёт тем, кто хочет понимать, что происходит за вызовом SVC.fit(). Для чтения пригодятся линейная алгебра, математический анализ и теория вероятностей.
Книга на английском. Издатель указывает объём 648 страниц.
PDF:
https://mcube.lab.nycu.edu.tw/~cfung/docs/books/scholkopf2002learning_with_kernels.pdf
❤5👍2🥰1
Media is too big
VIEW IN TELEGRAM
В GTA V сделали миссию, где ты вайбкодишь GTA VI с телефона, пока разработчики вызывают на тебя полицию
Автор попросил Perplexity Computer придумать и собрать этот сценарий. По его рассказу, агент изучил документацию FiveM и реализовал миссию на Lua.
Затем создал MCP-мост: локальный сервис на Node.js, который авторизуется через OAuth и превращает запрос с игрового телефона в настоящую задачу Perplexity Computer.
Пока полиция гонится за машиной, телефон показывает ход работы агента. Игрок отвечает на уточнения и подтверждает действия прямо во время погони.
Финал миссии - уйти от полиции у ангаров аэропорта и «выпустить билд». Конечно, речь об игровом сюжете, а не о создании настоящей GTA VI.
Для озвучки агент арендовал облачный GPU и запустил на нём Qwen3-TTS, сгенерировав все реплики без отдельного TTS API.
Когда «срочно выкатить в прод» стало буквально миссией на выживание.
https://x.com/AravSrinivas/status/2115435917708296406
Автор попросил Perplexity Computer придумать и собрать этот сценарий. По его рассказу, агент изучил документацию FiveM и реализовал миссию на Lua.
Затем создал MCP-мост: локальный сервис на Node.js, который авторизуется через OAuth и превращает запрос с игрового телефона в настоящую задачу Perplexity Computer.
Пока полиция гонится за машиной, телефон показывает ход работы агента. Игрок отвечает на уточнения и подтверждает действия прямо во время погони.
Финал миссии - уйти от полиции у ангаров аэропорта и «выпустить билд». Конечно, речь об игровом сюжете, а не о создании настоящей GTA VI.
Для озвучки агент арендовал облачный GPU и запустил на нём Qwen3-TTS, сгенерировав все реплики без отдельного TTS API.
Когда «срочно выкатить в прод» стало буквально миссией на выживание.
https://x.com/AravSrinivas/status/2115435917708296406
😁17👍3