ArtikelYoel Shoshan, Moshiko Raboh, Michal Ozery-Flato, et al.Forschung
Die Arzneimittelentwicklung leidet unter hohen Ausfallraten von rund 90 Prozent in klinischen Phasen und extrem teuren Laborscreenings. Modelle wie MAMMAL zeigen, dass multimodale Sequenzmodelle biochemische Wechselwirkungen präzise vorhersagen und spezialisierte Strukturvorhersagetools wie AlphaFold 3 bei Interaktionsaufgaben übertreffen können.
Der Ansatz löst ein Kernproblem der computergestützten Biologie: die getrennte Repräsentation von Proteinstrukturen, Molekülen (wie SMILES) und hochdimensionalen Expressionsdaten. Durch ein strukturiertes Prompt-System und kontinuierliche Projektionen für Skalare kann MAMMAL sowohl generative als auch prädiktive Aufgaben bewältigen. Die Open-Access-Bereitstellung auf Hugging Face ermöglicht der biowissenschaftlichen Forschungsgemeinschaft die direkte Weiternutzung für spezifische Screening-Workflows.
Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 27. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.
Inhaltlich ähnlich, ermittelt über die KI-Suche.
Link:Apodex AI
Apodex AI hat das Modell Apodex-1.1-mini unter der Apache-2.0-Lizenz auf Hugging Face bereitgestellt. Das Modell basiert auf der Architektur qwen3_5_moe und ist speziell auf komplexe Recherche- und Agenten-Aufgaben mit nativer Tool-Nutzung ausgelegt.
Link:ATH-MaaS
ATH-MaaS hat OvisOCR2 veröffentlicht, ein kompaktes multimodales Modell mit 0,8 Milliarden Parametern zum Dokumenten-Parsing auf Seitenebene. Das Modell basiert auf Qwen3.5-0.8B und wandelt Dokumentbilder direkt in strukturiertes Markdown mit Tabellen, LaTeX-Formeln und Bild-Bounding-Boxes um.
Artikel:Nikita Pavlichenko
JetBrains hat Mellum2 vorgestellt, ein von Grund auf trainiertes Mixture-of-Experts-Modell mit insgesamt 12 Milliarden Parametern. Das Modell aktiviert pro Token lediglich 2,5 Milliarden Parameter, läuft unter der Apache-2.0-Lizenz und zielt auf latenzkritische Aufgaben in Entwicklungs- und KI-Pipelines ab.
Link:Qwen
Das Qwen-Team hat mit Qwen3.8-27B ein kompaktes, dichtes Vision-Language-Modell unter der Apache-2.0-Lizenz veröffentlicht. Das 27-Milliarden-Parameter-Modell kombiniert Gated DeltaNet mit regulärer Attention, versteht Bilder sowie Videos und bietet flexible Steuerungsmöglichkeiten für Denkprozesse.
Repository:zou-group/virtual-lab
Das Open-Source-Projekt Virtual Lab ermöglicht die Zusammenarbeit zwischen menschlichen Forschern und spezialisierten LLM-Agenten. Die Interaktion erfolgt strukturiert über Team- und Einzelsitzungen, um komplexe wissenschaftliche Fragestellungen zu bearbeiten.
729SterneJupyter Notebook
Artikel:Albert Gu, Tri Dao
Albert Gu und Tri Dao stellen mit Mamba eine Architektur vor, die auf selektiven State Space Models (SSMs) basiert. Das Modell skaliert linear mit der Sequenzlänge, verzichtet auf Attention-Mechanismen sowie MLP-Blöcke und übertrifft vergleichbare Transformer bei fünffachem Inferenzdurchsatz.
Dieser Inhalt wurde teilweise mithilfe von KI erstellt.
