lab Microsoft Research Blog · hace 23 h · research

Microsoft Research presenta Quine, un sistema de IA para la investigación biológica multimodal

Traducido del English → Español

Microsoft Research ha presentado Quine, un nuevo esfuerzo de investigación diseñado para crear un modelo del mundo multimodal de la biología y un entorno interactivo que conecta modelos, herramientas científicas, literatura e investigadores. El sistema tiene como objetivo cerrar la brecha entre la modelización computacional y la experimentación en el mundo real, permitiendo a los científicos generar propuestas que se prueban en entornos de laboratorio húmedo, con los resultados retroalimentados para refinar las preguntas futuras.

Quine combina un modelo del mundo que abarca genómica, proteínas, química, estado celular e imagen biomédica con un entorno de orquestación para el razonamiento.
En colaboración con el Instituto Broad de Harvard y MIT, el sistema se utilizó para priorizar compuestos predichos para impulsar cambios terapéuticos en el estado tumoral del cáncer de páncreas.
Varios candidatos clasificados como principales fueron validados a través de múltiples ensayos de laboratorio húmedo.
El programa Quine Fellows proporcionará a los científicos acceso al sistema para acelerar la investigación y proporcionar retroalimentación.

Este enfoque aborda las limitaciones de la experimentación tradicional mediante el uso de la computación para explorar, proponer, clasificar y priorizar posibles caminos a seguir antes de comprometer recursos de laboratorio escasos.

Importancia 2/3 Nuevo entorno de evaluación con diferenciadores Confianza 3/3 Microsoft Research Blog Microsoft Research AI agents Multimodal

Artículos relacionados

arxiv arXiv cs.LG · hace 48 d · 55 vistas

Intern-S2-Preview: Modelo base agéntico científico

Los autores presentan Intern-S2-Preview, una serie de modelos base agénticos científicos diseñados para apoyar la comprensión multimodal científica, el razonamiento, la generación y las tareas de horizonte prolongado. La canalización de entrenamiento comienza con el preentrenamiento multimodal científico sobre documentos científicos renderizados, datos de imagen-texto entrelazados y corpus científicos diversos.

arxiv arXiv cs.LG · hace 104 d · 10 vistas

Pose6DAug: Intercambio de objetos multi-vista físicamente plausible

Pose6DAug permite la augmentación de datos robóticos intercambiando objetos en episodios exitosos mientras se preservan trayectorias de poses 6D físicamente válidas. Opera en 3D utilizando una malla anclada por poses temporalmente coherentes, asegurando consistencia multi-vista y plausibilidad física. El ajuste fino de una política VLA con estos datos aumentados mejora las tasas de éxito para objetos nuevos en un 16.5% respecto a las líneas base más avanzadas.

arxiv arXiv cs.AI · hace 107 d · 8 vistas

BinTrack: QA espacial de código abierto con búsqueda de trayectoria binaria

BinTrack es un agente de pregunta y respuesta espacial completamente de código abierto que utiliza búsqueda binaria sobre la trayectoria de un robot para localizar respuestas. Logra hasta un 22,8 % más de precisión que otros métodos de código abierto y iguala el rendimiento de modelos cerrados en la categoría global más desafiante del benchmark SpaceLocQA. El sistema también ofrece una inferencia más rápida en un factor de 1,5x e introduce GangnamLoop, un benchmark real al aire libre recopilado con un robot cuadrúpedo.

arxiv arXiv cs.CL · hace 8 d · 19 vistas

Qwen lanza Qwen3.8-Omni-Flash, un modelo agénico multimodal nativo con contexto de 1M de tokens

Alibaba Cloud ha presentado Qwen3.8-Omni-Flash, un modelo agénico multimodal nativo diseñado para tareas de productividad en el mundo real que mejora sustancialmente la comprensión y el razonamiento multimodal en comparación con los modelos omni anteriores.

media MarkTechPost · hace 12 d · 35 vistas

Alibaba Qwen lanza Qwen3.8-Omni-Flash, un modelo omnimodal agéntico con contexto de 1M

El equipo de Qwen de Alibaba ha lanzado Qwen3.8-Omni-Flash, su primer modelo omnimodal diseñado en torno a capacidades agénticas para la comprensión de audio y video, así como el uso de herramientas. El modelo acepta entradas de texto, imágenes, audio y video para devolver salidas de texto, con una ventana de contexto de 1M de tokens y llamada de funciones nativa.