首页
学习
活动
专区
圈层
工具
发布

#model

J. Chem. Inf. Model. | 加速肽类药物研发!中南大学董界等: 全新的多肽 ADMET系统评估智能预测平台

DrugOne

今天介绍一篇来自中南大学湘雅药学院在 JCIM上发表的最新成果。论文通讯作者为曾文彬教授、董界副教授。近年来,肽类药物研发的关注度持续提升,然而多肽ADMET的...

13110

25:【HuggingFace】model下载超级慢 / ConnectionError → 国内镜像 & hf.co缓存

安全风信子

作者: HOS(安全风信子) 日期: 2026-01-01 主要来源平台: GitHub 摘要: 本文详细分析2026年HuggingFace模型下载慢和...

58310

54. vLLM 核心模块逐文件:model_runner.py

安全风信子

作者:HOS(安全风信子) 日期:2026-01-21 来源平台:GitHub 摘要: 本文深入解析vLLM核心模块model_runner.py,揭示其...

23710

50. Harmony Format 解析:vLLM的统一 token 化方案

安全风信子

作者:HOS(安全风信子) 日期:2026-01-21 来源平台:GitHub 摘要: 本文深入剖析了Harmony Format在vLLM中的设计原理、...

11210

【阅读笔记】Winscale: An Image-Scaling Algorithm Using an Area Pixel Model

AomanHao

论文提出“area pixel model”:把像素视为具有均匀光强的正方形小瓦片;面积守恒、能量守恒,更符合图像采集物理过程。

13210

特征重要性分析的常见误区

安全风信子

作者:HOS(安全风信子) 日期:2026-01-09 来源平台:GitHub 摘要: 特征重要性分析是机器学习模型调试和优化的重要工具,但在实际应用中存...

13710

正则化到底在惩罚什么:安全复杂度控制中的惩罚机制

安全风信子

作者:HOS(安全风信子) 日期:2026-01-09 来源平台:GitHub 摘要: 正则化(Regularization)是机器学习中控制模型复杂度、...

10510

偏差-方差权衡的工程解释:安全攻防中的模型稳定之道

安全风信子

作者:HOS(安全风信子) 日期:2026-01-09 来源平台:GitHub 摘要: 偏差-方差权衡(Bias-Variance Tradeoff)是机...

14110

J. Chem. Inf. Model. | Qsarna:智能化学空间导航工具在药物设计中的应用

MindDance

期刊: Journal of Chemical Information and Modeling 链接: https://doi.org/10.1021/acs...

10210

J. Chem. Inf. Model. | 3D 结构导向分子生成模型的基准测试研究与启发

MindDance

期刊: Journal of Chemical Information and Modeling 链接: https://doi.org/10.1021/acs...

16510

J. Chem. Inf. Model. | QComp:基于QSAR的药物发现插补框架深度解析

MindDance

期刊: Journal of Chemical Information and Modeling 链接: https://doi.org/10.1021/acs...

9910

Vue.js 表单

用户11754185

实例中演示了 input 和 textarea 元素中使用 v-model 实现双向数据绑定:

19510

MCP(Model Context Protocol)应用功能全解析:从原理到实践的系统化教程

安全风信子

在人工智能技术快速发展的今天,随着大语言模型(LLM)能力的不断增强,如何让这些强大的模型能够更好地与外部系统交互、更高效地共享上下文信息,成为了一个亟待解决的...

1.8K10

J. Chem. Inf. Model.|MolAgent:智能体时代的生物分子性质预测

DrugOne

智能体人工智能系统的出现正在引发科学与技术领域的深刻变革。大语言模型(LLMs)、推理能力以及与外部工具的整合不断进步,开启了一个全新的时代,在这个时代中,智能...

20910

J. Chem. Inf. Model. | SE(3)-扩散模型驱动的高效蛋白与复合物动力学生成

DrugOne

蛋白及蛋白–蛋白复合物的构象动态在生物功能中发挥关键作用,但传统分子动力学(MD)模拟探索这些动态的计算成本极高。增强采样方法虽然有所改进,但仍受限于庞大的构象...

20810

121_训练评估:困惑度分析 - 分析指标与下游任务关系

安全风信子

在大规模语言模型(LLM)的训练过程中,评估模型性能是一个至关重要但常被简化处理的环节。2025年的研究表明,仅依赖单一指标(如困惑度)来判断模型质量已经无法满...

40210

109_噪声鲁棒微调:对抗训练

安全风信子

在当今大语言模型(LLM)的广泛应用中,模型的鲁棒性问题日益凸显。对抗性攻击通过在输入中添加微小但精心设计的扰动,能够误导模型产生错误输出,这对依赖LLM的关键...

30210

102_灾难性遗忘:你的模型正在“边学边忘”?破解微调稳定性困局

安全风信子

在大型语言模型(LLM)的微调过程中,我们常常面临一个关键挑战:当模型学习新领域或任务的知识时,它往往会忘记之前已经掌握的信息和能力。这种现象被称为"灾难性遗忘...

65110

63_模型定制:领域微调技术

安全风信子

在2025年的AI生态系统中,通用大语言模型(LLM)如ChatGPT、LLaMA 4、Claude 4等已经展现出惊人的通用能力。然而,当面对特定行业或场景的...

28010
领券