د 27 میلیارده پارامتره سیل ماډل په اړه یو نوی کاغذ یوازې د بیولوژۍ په اړه نه دی. دا د ډاټا انجنیرۍ او د غوښتنلیک AI په راتلونکي لپاره د پروپیلن ده. که تاسو د AI انجنیر دی، تاسو باید د هغه څه وکړئ چې تاسو یې وکړئ او د نوي کتابونه وګورئ. د Yale او Google د همکارۍ له امله. د C2S-scale مخکښ په سطحه کې، دا د بیيواوافټیک کاغذ په څیر ښکاري. په واقعیت کې، دا د غوښتنلیک AI لپاره تر ټولو مهم معمارۍ manifestos یو دی چې زه په کلونو کې وګورئ. د ډلې د 27B پارامتر ماډل جوړ کړ چې نه یوازې د بیولوژیکي معلوماتو تحلیل کوي - دا د سرطان احتمالي درملنې په اړه. novel, wet-lab-validated scientific discovery لکه څنګه چې یو جوړونکي، زه د ځانګړي موادو په اړه لږ علاقه مندم چې دوی په پای کې وټاکل او د دې په اړه ډیر مینه لري. دوی روشونه یو کتاب دی چې هر AI معمار او انجنير باید پوه شي. څنګه د اصلي ستونزه: د AI ماډلونه د جدولې څخه نفرت کوي د علومو یا د شرکتونو معلوماتو ته د LLMs غوښتنلیک په مرکز کې ستونزه دا ده چې دا ماډلونه په ژوره کې روزل شوي دي، مګر زموږ معلوماتو په ټابلیټونه، ډاټا بیسونو او عمده، د عالي اندازې لګښتونو کې ژوند کوي. هڅه کول چې د LLM ترلاسه کړي چې د خام scRNA-seq جین بیان مټریکس پوه شي د نارینه ده. د کلونو لپاره، د معياري لارښوونې دی چې د علومو لپاره د ګمرکولو، د ګمرکولو آرکټیکټیکونه جوړ کړي - AI چې د طبيعي زبان وړتیاوې ته د شمیره معلوماتو لپاره ډیزاین شوي ماډل ته وده ورکوي. دا چټک، ارزانه دی، او تاسو د عمده LLM اکوسیستم د لوی اندازه کولو قانونونو او چټک نوښتونو څخه خوندي کړئ. د C2S-Scale ټیم د بریالیتوب په څیر د ستونزو په سر کې ورسیږي. 
 
 د نمونوي بدلون لپاره د معلوماتو سره مطابقت کوي، دوی د معلوماتو لپاره د نمونوي سره مطابقت کوي. د نمونوي بدلون لپاره د معلوماتو سره مطابقت کوي، دوی د معلوماتو لپاره د نمونوي سره مطابقت کوي. د آرژانتیک Masterstroke: Cell2Sentence د Cell2Sentence (C2S) فریم ورک ژانر دی چې دا تقریبا غیرقانوني ساده دی. دوی د یو واحد سیل د پیچلي، شمېره جین بیان پروفایل لرو او دا په ساده متن لړ بدل کړئ. څنګه؟ دوی په سلول کې د هر ژن له خوا د خپل بیان کچه رامینځته کوي او بیا یوازې د Top-K ژنونو نومونه په ترتیب کې ورسوي. د سیلونو پیچلي بیولوژيکي حالت، لکه: {'GeneA': 0.1, 'GeneB': 0.9, 'GeneC': 0.4, ...} دا یو ساده، انسان-کښته سلګونه وي: د GeneB GeneC GeneA ... دا د ډاټا انجنيرۍ د عمیق عمل دی. د دې یو حرکت سره، دوی: 
 
 
 
 د Custom Architectures اړتيا له لاسه ورکړ: دوی کولی شي اوس په مستقیم ډول د دې بیولوژيکي ژغورۍ ته د معياري، off-the-shelf Transformer آرشیفیتونو لکه Gemma یا Llama ته وده ورکړي. دوی وړیا د ټولو LLM څیړنې ټولنیز ګرځنده کړي. Unlocked Multimodality: دوی د روزنې کورپوس نه یوازې د سلګونه نه وه. دوی اوس کولی شي د علمي کاغذونو په واقعي خلاصو کې مخلوط شي چې د معلوماتو څخه سرچینه شوې وه. د ماډل په یو واحد، یوځای روزنې چلولو کې د سلګونو ژور سره د څیړونکي ژور سره اړیکه ونیسئ. فعال شوی True Vibe Coding for Biology: د پایلې ماډل نه یوازې شیان راټولوي. دا کولی شي په څیر وکارول شي، د پانکریټیک CD8 + T سیل تولید کړي، او دا به د نوي، مصنوعي سیل سټینټ تولید کړي چې د یو سیل چې هیڅکله شتون نلري د جین بیان رامینځته کوي. د پیسو: د علومو کشف صنعتي کول دا ښکلي آرکټیکټوریټ دا دی چې د کاغذ د قاتل اپلیکیشن فعال کړي. د ټیم یو مجازی پرده چمتو کوي چې د درملو په لټه کې وي چې کینسر سیلونو ته د برېښنايي سیسټم ته ښیښه شي. دا یو ساده ډاټا پوښتنه نه وه. دا یو د ماډل پیژندل چې د ځانګړي درمل، silmitasertib، به دا اغیز لري، مګر په ځانګړي توګه د انټرفیرون سیگنال کولو کې. په سیلیکون یوازې دوی د دې رومانیا، AI-generated hypothesis ته په یوه حقیقي لرګيو لابراتوار ته راځي، د فیزیکي تجربو ترسره کړي، او proved it was correct. دا د نوي پیراګرام دی. د AI یوازې په خپل روزنې ډاټا کې ځواب نه لري. دا د بیولوژيکي زبان او د انسان لغت په دوامداره توګه درکوي ترڅو یو نوی، غیر واضح، او په پایله کې د معلوماتو ټوټه. دا د صنعتي serendipity لپاره یو سیستم دی. د حقیقت د جوړونکو لپاره دا څه معنی لري د C2S-Scale کاغذ د لوړ اغیزمن AI سیسټمونه په هر پیچلي، غیر متنیکي ډومین کې جوړولو لپاره د کڅوړې لارښود دی، د مالیې څخه د لوژستیک څخه د تولید لپاره. 
 
 
 
 د نمونوي پرته. د خپل ډاټا ترجمې پیل کړئ. مهم ترین کار د ګمرک نوري شبکې په ډیزاین کې نه دی. دا د خپل ځانګړي ډومین لپاره د ډاټا-په-انټرنټ پیژندل کولو تخلیقی، استراتيجي کار دی. ستاسو د سپارلو د چڼاسکه ژوره دی؟ ستاسو د مالیې ډاټا ګرامرونه څه دي؟ Multimodality ده د اړتیا، نه يو ځانګړتیا. د واقعي قدرت په توګه په ګډه شي کله چې دوی د سلګونه سره د کاغذ د خلاصې. ستاسو د AI سيستمونه باید نه یوازې ستاسو د جوړ شوي معلوماتو، خو د غیر جوړ شوي انسان د معلوماتو په اړه چې دا په منځ کې - د ساتنې روزنې، د ملاتړ ټکټونه، د ستراتیژۍ یادونه. هدف یو hypothesis جنراتور دی، نه یو ځواب ماشین. د راتلونکي ترټولو ارزښتني AI سيستمونه به هغه نه وي چې کولی شي چې څه هم معلوم وي. دوی به هغه وي چې کولی شي، لکه C2S-Scale، د نوي، ازمايښت وړ hypotheses جوړ کړي چې د امکاناتو محدودیتونو ته وده ورکړي. Let's Build It: د معلوماتو په سټینټ کې مثال دلته د "Data-to-Sentence" مفهوم د یو سپر ساده پیتون مثال دی، چې په مختلفو ډومین کې کارول کیږي: server log analysis. تصور وکړئ چې تاسو د پروګرام ډاټا لري. په ځای کې چې دا د یو AI ته د خام JSON په توګه تغذیه کړي، موږ کولی شو دا د "لوګ سټینټ" بدلون وکړي. import json

def server_log_to_sentence(log_entry: dict) -> str:
    """
    Translates a structured server log dictionary into a human-readable "log sentence".
    The "grammar" of our sentence is a fixed order of importance:
    status -> method -> path -> latency -> user_agent
    """
    
    # Define the order of importance for our "grammar"
    grammar_order = ['status', 'method', 'path', 'latency_ms', 'user_agent']
    
    sentence_parts = []
    
    for key in grammar_order:
        value = log_entry.get(key)
        if value is not None:
            # We don't just append the value; we give it a semantic prefix
            # This helps the LLM understand the meaning of each part.
            sentence_parts.append(f"{key.upper()}_{value}")
            
    return " ".join(sentence_parts)

def create_multimodal_prompt(log_sentence: str, human_context: str) -> str:
    """
    Combines the machine-generated "log sentence" with human-provided context
    to create a rich, multimodal prompt for an LLM.
    """
    prompt = f"""
    Analyze the following server request.

    **Human Context:** "{human_context}"

    **Log Sentence:** "{log_sentence}"

    Based on both the human context and the log sentence, what is the likely user intent and should we be concerned?
    """
    return prompt

# --- Main Execution ---
if __name__ == "__main__":
    # 1. Our raw, structured data (e.g., from a database or log file)
    raw_log = {
        "timestamp": "2025-10-26T10:00:05Z",
        "method": "GET",
        "path": "/api/v1/user/settings",
        "status": 403,
        "latency_ms": 150,
        "user_agent": "Python-requests/2.25.1"
    }

    # 2. Translate the data into the new "language"
    log_sentence = server_log_to_sentence(raw_log)
    
    print("--- Original Structured Data ---")
    print(json.dumps(raw_log, indent=2))
    
    print("\n--- Translated 'Log Sentence' ---")
    print(log_sentence)
    
    # 3. Combine with human context for a multimodal prompt
    human_context = "We've been seeing a series of failed API calls from a script, not a browser."
    final_prompt = create_multimodal_prompt(log_sentence, human_context)
    
    print("\n--- Final Multimodal Prompt for LLM ---")
    print(final_prompt)
    
    # Now, this final_prompt can be sent to any standard LLM for deep analysis.
    # The LLM can now reason about both the structured log data (as a sentence)
    # and the unstructured human observation, simultaneously.
 دا ساده سکرپٹ د اصلي آرژانتیکي نمونې ډیزاین کوي. د ډاټا-to-Sentence بدلون د کلید دی. دا موږ ته اجازه ورکوي چې جوړ شوي ډاټا او د ټولو قوي AI ماډلونو اصلي ژبه کې رامینځته کړي، د multimodal منطقونو نوي نړۍ ته ونیسئ. هر

Read My Stories

Connect with me Here

دا غږ د کیسې په اصلي ژبه تولید شوی!

Google & Yale د بیولوژۍ په یوه ژوره کې بدلون کوي دلته دا د Devs لپاره د لوبې بدلونکي ده

About Author

تبصرې

hang tags

دا مقاله په کې وړاندې شوې وه

Related Stories

Beasts at Bay

The shortest distance from idea to execution with Jim Rose of CircleCI

#CrazyTechStories @ Huckletree, London, England

Goodtalent is the Startup of the Year in Lagos, Nigeria

Beasts at Bay

The shortest distance from idea to execution with Jim Rose of CircleCI

#CrazyTechStories @ Huckletree, London, England

Goodtalent is the Startup of the Year in Lagos, Nigeria

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps