Google Antigravity 如何利用 ProtNLM 加速抗菌肽搜索
Google Antigravity 利用其智能体开发平台及 ProtNLM 模型,成功识别出一个针对肺炎链球菌的新型抗菌肽候选物。该工作流将传统碎片化的数据库搜索压缩为单次协作会话,并通过集成的 3D 生物分子结构查看器支持交互分析。该候选物目前正进入湿实验验证阶段。
Google Antigravity 利用其智能体开发平台及 ProtNLM 模型,成功识别出一个针对肺炎链球菌的新型抗菌肽候选物。该工作流将传统碎片化的数据库搜索压缩为单次协作会话,并通过集成的 3D 生物分子结构查看器支持交互分析。该候选物目前正进入湿实验验证阶段。
AWS 发布教程,指导开发者利用 Grok 4.7 在 Amazon Bedrock 上构建并评估长程智能体。教程展示了在不同推理努力等级(low 到 xhigh)下,智能体执行复杂任务的表现与 Token 消耗对比,其中 xhigh 等级在 18 次运行中全部准确,而 low 等级用约 1/8 的 Token 实现了 15/18 的准确率。
推荐理由:通过构建基于 Grok 4.7 的工具调用智能体并在三类任务上评测,量化了不同推理努力等级对准确性和 Token 消耗的影响。