为什么 AlphaFold 没有解决蛋白质折叠——对话 Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido
Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 在对话中指出，AlphaFold 并未真正解决蛋白质折叠，静态结构预测无法覆盖蛋白质动态与无序性。
#数据/训练
Latent SpaceAI 评分3434
Latent SpaceAI 评分3838 Periodic Labs 的 Liam Fedus 与 Ekin Dogus Cubuk 谈"合成超级智能"：从半导体到超导体
Periodic Labs 联合创始人 Liam Fedus 与 Ekin Dogus Cubuk 在访谈中提出"合成超级智能"愿景：让 AI 通过物理实验而非单纯互联网数据学习，用强化学习结合高通量实验室、材料表征与 DFT 模拟来发现新材料。他们主张即便未来前沿模型仍需做实验，失败实验可能是最有价值的训练数据，并设想让每台实验仪器拥有"140 IQ"，把数十年的科学试错压缩到数月。
Berkeley AI ResearchAI 评分3434 智能免费之后：面向 AI 智能体的数据系统
UC Berkeley 的 Aditya G. Parameswaran 等人提出，随着推理成本从 2023 年初 GPT-4 级约 $30/百万 token 降至如今不到 $1、部分厂商低于 $0.10，数据系统需应对三类新挑战：为智能体设计的数据系统、支撑智能体集群的数据系统、以及由智能体合成的数据系统。
Berkeley AI ResearchAI 评分3232 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队梳理了并行推理领域进展，重点分析自适应并行推理——让模型自行决定何时分解并并行化独立子任务、生成多少并发线程以及如何协调。现有方法如 self-consistency、Best-of-N、Tree/Graph of Thoughts、MCTS 及 ParaThinker、GroupThink、Hogwild!