算法基础

算法基础

1 篇文章

论文解读

论文解读

6 篇文章

Biomni：通用生物医学人工智能代理
2025-06-16 4.1k 字 14 分钟

Biomni：通用生物医学人工智能代理

Biomni：通用生物医学人工智能代理 链接 https://www.biorxiv.org/content/10.1101/2025.05.30.656746v1.full pdf： https://biomni.stanford.edu/paper.pdf 背景 以前的方法很大程度上依赖于为缩小生物医学任务范围而定制的专业代理工作流程，这限制了它们在回答关键研究问题所需的整个生物医学领域的流畅移动和概括的能力。给人工智能代理能够处理广泛的生物医学任务带来了巨大的技术挑战。 最明显的是，需要将高级推理与执行高度专业化的生物医学动作的能力紧密结合起来。虽然基于 LLM 的推理已经取得了重
CodeAct：代码即行动
2025-06-15 2.1k 字 7 分钟

CodeAct：代码即行动

链接 https://arxiv.org/html/2402.01030v4 pdf: https://arxiv.org/pdf/2402.01030v4 通俗解释 用大白话解释一下 CodeAct 的原理，就像聊天一样： 核心思想：让大语言模型（LLM）通过写和运行真实的 Python 代码来与外部世界（工具、数据、API）互动，而不是用死板的 JSON 或纯文本指令。 为什么需要这个？ 想象一下你让一个聪明的助手（LLM）帮你做事，比如查天气、分析数据、甚至训练一个小模型。传统方式有两种： JSON/结构化指令： 你让助手说：{"action": &
LightGBM：一种高效的梯度提升决策树
2025-02-18 8.8k 字 35 分钟

LightGBM：一种高效的梯度提升决策树

这里介绍一种由微软团队开发的高效的梯度提升决策树 LightGBM。相关代码实现已开源至 github： https://github.com/microsoft/LightGBM。 论文出处： https://papers.nips.cc/paper_files/paper/2017/file/6449f44a102fde848669bdd9eb6b76fa-Paper.pdf。 以下是论文翻译： 摘要 梯度提升决策树（GBDT）是一种流行的机器学习算法，已经有许多有效的实现，例如XGBoost和pGBRT。尽管这些实现中采用了许多工程优化，然而当特征维度高且数据量大时，其效率和可扩展性仍
群体遗传模拟
2025-02-16 5.1k 字 23 分钟

群体遗传模拟

这里记录群体模拟的原理和方法。 群体模拟 参考数据 我们需要两个参考数据集：map.rds 和 LD_chr1.rds 。 这里使用欧洲人群的参考LD数据和基因频率数据 （ European LD reference ）进行模拟。具体来说，这是一个关于欧洲人群的连锁不平衡 (LD, Linkage Disequilibrium) 参考数据集。 该数据集 LD_chr1.rds 包含欧洲人群的基因组数据（这里只考虑1号染色体），包括： 基因型数据（SNP信息） LD矩阵，描述了不同SNP之间的关联程度 通常用于基因组学研究，如基因-环境互动分析、全基因组关联研究（GWAS）等。 此外我们
递归算法的时间复杂度和空间复杂度分析
2025-02-10 4.4k 字 20 分钟

递归算法的时间复杂度和空间复杂度分析

递归算法 递归算法是一种通过函数调用自身来解决问题的方法。它将复杂问题分解为相似的子问题，直到达到一个可以直接求解的简单情况（称为“基线条件”）。递归的核心思想是自我重复与逐层简化，常见于树结构遍历、分治算法等场景。 基础理论 在分析递归算法的时间复杂度之前，我们需要知道几个基础理论，递归的求解路线本质上是一个树结构，可以化为一个树结构来分析递归深度和调用次数： 对于深度为 ddd 的 kkk 叉树（ddd 从0开始，k>1k>1k>1），最多有kd+1−1k^{d+1}-1kd+1−1个节点数量； 对于问题规模n，每次k分递归（比如，二分递归），得到的树的深度为 lo
国产之光DeepSeek，比肩ChatGPT？
2025-01-05 33 字 1 分钟

国产之光DeepSeek，比肩ChatGPT？

小小白公众号：「胡扯王国」 微信公众号文章： 国产之光DeepSeek，比肩ChatGPT？ https://mp.weixin.qq.com/s/RnX1pCYjf4VjlZPISWj_-Q
scGPT：利用生成式AI构建单细胞多组学基础模型
2024-12-16 28.4k 字 108 分钟

scGPT：利用生成式AI构建单细胞多组学基础模型

文章链接 Cui, H., Wang, C., Maan, H., Pang, K., Luo, F., Duan, N., & Wang, B. (2024). scGPT: toward building a foundation model for single-cell multi-omics using generative AI. Nature Methods, 21,1470-1480. https://doi.org/10.1038/s41592-024-02201-0 简介 scGPT：提出了一个利用生成式AI构建的单细胞多组学基础模型。 摘要 生成式预训练
Enformer：通过整合长程相互作用从序列中有效预测基因表达
2024-11-26 15.4k 字 58 分钟

Enformer：通过整合长程相互作用从序列中有效预测基因表达

文章链接 Avsec, Ž., Agarwal, V., Visentin, D., Ledsam, J. R., Grabska-Barwinska, A., Taylor, K. R., Assael, Y., Jumper, J., Kohli, P., & Kelley, D. R. (2021). Effective gene expression prediction from sequence by integrating long-range interactions. Nature Methods, 18, 1196–1203. https://doi.org/1
最强AI+最强Prompt=？！！
2024-11-22 30 字 1 分钟

最强AI+最强Prompt=？！！

小小白公众号：「胡扯王国」 微信公众号文章： 最强AI+最强Prompt=？！！ https://mp.weixin.qq.com/s/3CBFuQ8vmCp5x0iaVU9tww
Nucleotide-Transformer：构建和评估人类基因组学的稳健基础模型
2024-11-17 22.9k 字 85 分钟

Nucleotide-Transformer：构建和评估人类基因组学的稳健基础模型

文章链接 Dalla-Torre, H., Gonzalez, L., Mendoza-Revilla, J. et al. Nucleotide Transformer: building and evaluating robust foundation models for human genomics. Nat Methods (2024). https://doi.org/10.1038/s41592-024-02523-z 简介 Nucleotide Transformer：提出了一个构建和评估人类基因组学的稳健基础模型 摘要 从DNA序列预测分子表型一直是基因组学中的一