Junjie Wang
PulseAugur coverage of Junjie Wang — every cluster mentioning Junjie Wang across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新基准 LongWoF-Bench 评估可复用的 AI 经验
研究人员推出了 LongWoF-Bench，这是一个旨在评估大型语言模型可验证执行经验重用的基准。这种称为 EvoMap 的方法将成功的任务轨迹整合为结构化的“基因”，后续模型可以共享和应用。实验表明，EvoMap 基因在七种不同的模型上显著优于传统的“技能”，将长工作流的完成率提高了 8.7 至 15.5 个百分点。对于 Claude Opus，该方法在完成更多任务的同时，还将 token 消耗量减少了近 10%。
-
新的AutoResearch系统通过基于证据的执行来巩固科学理念
一个名为AutoResearch的新自主研究系统已被开发出来，以提高科学探究的可靠性和基础性。这个两阶段系统将想法生成与基于证据的执行相结合，确保研究概念在实验之前和实验期间都经过彻底审查。AutoResearch旨在通过持续整合新的研究信号、识别可转移的见解，并采用多模型生成和交叉审查来制定有根据的研究计划，从而减少幻觉。在其执行阶段，协调代理将计划分解为实验，诊断问题，并在接受结论之前进行独立的基于证据的审查，从而展示可衡量的进展…
-
MolPIF模型统一了连续和离散的分子生成
研究人员开发了MolPIF，这是一种新颖的参数插值流模型，旨在统一分子设计中连续原子坐标和离散原子类型的生成。该方法通过在参数空间中插值分布来解决当前深度生成模型的局限性，理论上可以优化连续和离散的分子变量。在CrossDocked2020数据集上，MolPIF在结合亲和力、化学有效性和几何保真度方面表现优于现有方法，有望应用于药物设计中的先导化合物优化。
-
EvoEGF-Mol 通过统一的分子表示推进基于结构的药物设计
研究人员开发了 EvoEGF-Mol，一种用于基于结构的药物设计的新方法，该方法在一个框架内统一了原子坐标和化学类别的表示。该方法使用复合指数族分布，并在 Fisher-Rao 度量下沿着指数测地线演化。EvoEGF-Mol 通过采用动态集中分布和渐进参数细化架构来解决轨迹崩溃问题，在药物设计基准测试中取得了高精度。