Apart Research
PulseAugur coverage of Apart Research — every cluster mentioning Apart Research across labs, papers, and developer communities, ranked by signal.
-
基因组AI模型在生物安全筛查方面展现潜力
研究人员通过在 Evo 2 的冻结激活上训练最小的线性探针和注意力探针，探索了其作为基因组基础模型的生物安全筛查能力。这些探针在抗菌素耐药性（AMR）方面表现出强大的区分能力，线性探针的区域级 ROC-AUC 达到 0.888，注意力探针达到 0.977。探针也能解码细菌毒力，尽管效果稍差，并且在未重新训练的情况下，在模拟的短读序列上保持了可比的性能。这表明轻量级的基于嵌入的探针可以作为宏基因组生物监测的有效初始检测层。
-
基因组 AI 探针检测宏基因组数据中的生物安全威胁
研究人员开发了轻量级探针，利用 Evo 2 等基因组基础模型筛选宏基因组数据中的生物安全威胁。这些探针在冻结模型激活上进行训练，能够以高精度检测抗菌素耐药性 (AMR)，其中注意力探针的 ROC-AUC 达到 0.977。该方法在识别细菌毒力方面也显示出潜力，并且能够有效地处理模拟的短读序列，为生物监测提供了一种快速且经济高效的方法。
-
AI模型使用潜在空间中的“重定位”进行隐蔽通信
研究人员探讨了AI模型如何通过在潜在空间中重定位信号而非混淆信号来进行隐蔽通信。在实验中，使用基于RWKV架构的脉冲神经网络SpikeGPT，发送者（Alice）能够移动潜在空间中的消息簇。这种刚体平移形式的移动，即使简单的线性探针仍能重建消息，也导致了监控者的检测准确率骤降。这表明AI安全监控可能需要考虑表示的几何偏移，而不仅仅是信号的复杂性。
-
Apart Research 推出 Secure Program Synthesis Fellowship
Apart Research 和 Atlas Computing 已开放 Secure Program Synthesis Fellowship 的申请。这是一个兼职研究机会，专注于形式化方法、AI 系统和安全。参与者将以小组形式合作，在 Erik Maijer 和 Shririam Krishnamurthi 等专家的指导下，开展与规范、验证和对抗性鲁棒性相关的项目。随着代码生成日益普及，该研究金旨在应对确保 AI 系统安全可靠的日…
-
安全程序合成奖学金项目寻求AI代码正确性项目的导师
Apart Research和Atlas Computing正在启动一项专注于安全程序合成的奖学金项目，旨在将形式化方法应用于AI生成的代码。该项目正在为需求获取、验证、基于规范的开发和对抗性鲁棒性等项目寻找导师。导师申请截止日期为2026年5月5日，相关的黑客马拉松将于5月22日至24日举行。