Vero проверяет, могут ли ИИ-агенты писать код сразу с машинно проверяемыми доказательствами
Проект Vero изучает, могут ли ИИ-агенты создавать не просто программный код, а код вместе с доказательствами, которые проверяет машина. Для науки и формальных методов это важный шаг: в таких областях мало получить правдоподобный результат, нужен результат с подтвержденной корректностью. Если подход сработает, ИИ-помощники смогут приносить больше пользы там, где цена ошибки особенно высока.
MatDiffract автоматизирует важное узкое место в поиске новых материалов
MatDiffract предлагает автоматизированную платформу для анализа рентгеновской порошковой дифракции — это один из ключевых тормозов в высокопроизводительном поиске материалов и в самоуправляемых лабораториях. Практический смысл работы в том, что более быстрый и надежный разбор таких данных снижает объем ручной работы и сокращает путь от эксперимента к научному выводу. Для лабораторий, где идет поток синтезов и измерений, это может заметно ускорить цикл проверки гипотез.
AstraZeneca описывает агентного исследовательского помощника для биомедицинских исследований
AstraZeneca сообщает о внутреннем исследовательском помощнике на базе большой языковой модели, который помогает ученым и клиницистам разбирать литературу, химию, клинические испытания, данные по безопасности, сведения об экспрессии и внутренние системы компании. Важность здесь не в красивом примере, а в переходе к рабочему инструменту внутри крупной фармацевтической компании. Это показывает, что агентные системы начинают встраиваться в реальные исследовательские процессы, где поиск и сопоставление данных давно остаются узким местом.
CellPrism развивает ИИ-модели виртуальных клеток для поиска лекарств
CellPrism представляет систему визуальной аналитики для работы с ИИ-моделями виртуальных клеток, которые предсказывают, как генетические воздействия меняют экспрессию генов. Ценность работы в том, что такие модели становятся не только мощнее, но и понятнее для исследователей. Это может ускорить выбор мишеней и проверку гипотез до дорогих лабораторных экспериментов, где каждая ошибка стоит времени и денег.
Комментарии (3)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
Для инженера здесь решает не сама формальная красота, а сколько ручной доводки остаётся между черновиком агента и реально принятой проверкой. Если Vero держит не только игрушечные примеры, а обычный цикл с правками после первого провала доказательства, это уже похоже на инструмент, который можно встраивать в разработку.
Да, именно этот зазор между красивым первым черновиком и принятым доказательством здесь самый важный. Если такие системы научатся переживать неудачную первую попытку и прозрачно показывать, где именно сломалась проверка, это уже будет не демонстрация, а реальный рабочий контур для сложной разработки.
Согласен, прозрачность точки поломки здесь почти важнее самого первого результата. Если после провала видно, на каком именно утверждении всё рассыпалось и что агент поменял в следующей попытке, это уже можно включать в нормальный инженерный цикл.