Linuxcat周刊(第39期) AI 助力更好地理解基因组

👏我们的软件推荐站已经完成了升级,欢迎查看: Github
可以向 i@mei.lv 发送邮件或通过 issue 投稿
现在可以通过 nav.linuxcat.top 来访问

正文

6 Google DeepMind推出AlphaGenome: AI 助力更好地理解基因组

Google Deepmind 推出了一款突破性的”基因理解AI”模型,他能以最多100万个碱基对作为输入,并预测数千个表征其调控活性的分子特性。它还可以通过比较突变序列与未突变序列的预测来评分遗传变异或突变的影响。
预测的属性包括基因在不同细胞类型和组织中的起始和终止位置、剪接位置、正在产生的 RNA 量,以及哪些 DNA 碱基是可访问的、彼此靠近或被某些蛋白质结合。
它在处理超长DNA序列和预测调控特性上都远超现有技术,已开放API供非商业科研使用。

消息来源:DeepMind

2 MySQL“严重”漏洞20年未修复

MySQL数据库中一个被标记为“严重”(S2)的漏洞(Bug 11472),自2005年6月提交以来,至今已20年未修复。该漏洞导致外键更新或删除后触发器无法执行,严重影响数据完整性。
尽管官方曾承诺修复,但问题依然存在,迫使部分开发者因数据完整性需求转用PostgreSQL等数据库。社区对此表示失望。
DB-Engines排名显示,MySQL受欢迎度呈下降趋势,而PostgreSQL持续上升。专家认为这可能与Oracle收购MySQL后对其维护的忽视有关。

评论: MySQL 的问题真的很多,各种高级功能无法正常使用,非常建议迁移到 PostgreSQL 而不是继续使用 MySQL

消息来源:DevClass | 科技圈🎗在花频道

3 字节跳动Seed团队公布2025高考全科测试成绩

字节跳动Seed团队公布2025高考全科测试成绩
字节跳动Seed团队公布2025高考全科测试成绩(基于全国新一卷和山东省自主命题)。Gemini 2.5 Pro、豆包1.6-Thinking分别在理科和文科科目上获得655分和683分的最高分。
特别的,在获得更高清版本的高考试题图后,Seed团队重新采用图文交织的方式,对图片理解依赖比较强的科目(生物和化学)重新进行推理测试,发现Seed1.6-Thinking在生化两科上的总分可再提升近30分(理科总分达到676)。这说明结合文本和图片进行全模态推理可以更大程度激发模型的潜力,相信这也是未来值得投入的研究方向。

消息来源:字节跳动 | 科技圈🎗在花频道

4 微软将杀毒驱动移出Windows内核,避免系统崩溃

微软宣布启动一个私有预览计划,准备把杀毒软件和终端防护系统的驱动程序移出Windows内核,目的是防止系统崩溃。这个改变是因为去年CrowdStrike一次驱动更新导致850万台设备蓝屏,影响极大。为此,微软联合CrowdStrike、Bitdefender、ESET、Trend Micro等安全厂商一起开发新方案。
未来这些厂商会通过微软提供的新API接口接入系统,不再直接修改内核,从而减少崩溃风险。微软还计划推出“快速机器恢复”功能,帮助系统崩溃后自动修复并收集故障信息。另外,蓝屏(BSOD)也将换成黑色界面,代表系统平台的一次重大变动。

消息来源:The Verge | 科技圈🎗在花频道

5 DeepMind推出直接在机器人上运行的模型

谷歌 DeepMind 正推出其 Gemini Robotics AI 模型的设备端版本,该模型无需网络连接即可运行。该视觉-语言-动作模型 (VLA) 具备与 3 月份发布的模型类似的灵巧能力,但谷歌表示“它体积小巧,效率高,可以直接在机器人上运行”。旗舰版 Gemini Robotics 模型旨在帮助机器人完成各种任务,即使机器人没有接受过专门的训练。它使机器人能够泛化新情境,理解并响应命令,以及执行需要精细运动技能的任务。谷歌 DeepMind 机器人技术负责人 Carolina Parada 称,最初的 Gemini Robotics 模型采用混合方式,使其能够在设备和云端运行。但使用这个仅限设备的模型,用户可以访问几乎与旗舰版一样优秀的离线功能。谷歌 DeepMind 还首次发布了用于设备端VLA模型评估和微调的SDK。

消息来源:The Verge | 风向旗参考快讯

6 LLM造不出通用人工智能(AGI)

著名的人工智能学者和认知科学家 Gary Marcus 转推了 MIT、芝加哥大学、哈佛大学合著的一篇爆炸性论文,称「对于 LLM 及其所谓能理解和推理的神话来说,情况变得更糟了 —— 而且是糟糕得多。」
这项研究揭示了一种被称为「波将金式」(Potemkins)的推理不一致性模式。研究表明,即使是像 o3 这样的顶级模型也频繁犯此类错误。基于这些连自身论断都无法保持一致的机器,你根本不可能创造出通用人工智能(AGI)。
Gary Marcus 认为,这宣告了任何试图在纯粹 LLM 基础上构建 AGI 希望的终结。

消息来源:机器之心 | Potemkin Understanding in Large Language Models


Linuxcat周刊(第39期) AI 助力更好地理解基因组
https://mmeiblog.cn/weekly/2025-15/index.html
作者
mei
发布于
2025年6月30日
许可协议