解码器
准确率达60.8%，浙大基于Transformer的化学逆合成预测模型，登Nature子刊
编辑 | KX逆合成是药物发现和有机合成中的一项关键任务，AI 越来越多地用于加快这一过程。现有 AI 方法性能不尽人意，多样性有限。在实践中，化学反应通常会引起局部分子变化，反应物和产物之间存在很大重叠。受此启发，浙江大学侯廷军团队提出将单步逆合成预测重新定义为分子串编辑任务，迭代细化目标分子串以生成前体化合物。并提出了基于编辑的逆合成模型 EditRetro，该模型可以实现高质量和多样化的预测。大量实验表明，模型在标准基准数据集 USPTO-50 K 上取得了出色的性能，top-1 准确率达到 60.8%。结果
AI 提高无创脑机接口性能，卡内基梅隆大学贺斌团队的新范式
编辑 | 萝卜皮脑机接口（BCI）有可能帮助恢复患者的运动功能，并通过提供大脑与机器人或其他设备的直接连接，使普通大众受益。在最新的工作中，卡内基·梅隆大学（Carnegie Mellon University）贺斌教授团队开发了一种使用基于深度学习 (DL) 的解码器来连续跟踪 BCI 系统的范例，并通过广泛的在线实验展示了其功能。该团队还研究了不同数量的训练数据如何影响 DL 性能，并收集了超过 150 h 的 BCI 数据，这些数据可用于训练新模型。研究结果为开发基于深度学习的 BCI 解码器提供了重要范式，
刷新20项代码任务SOTA，Salesforce提出新型基础LLM系列编码器-解码器Code T5+
CodeT5+，你值得拥有。
参数量仅为4%，性能媲美GPT-3：开发者图解DeepMind的RETRO
构建越来越大的模型并不是提高性能的唯一方法。
- 1