微软公布了一种自动化DNA存储和检索系统,未来有望取代像Facebook基于蓝光光盘的冷存储系统那样的光存储系统。
微软相信,合成DNA可能是长期数据存储的下一个重大技术飞跃,只需一克DNA就能存储215PB数据长达2000年时间。如果能够实现这一目标,该技术将显着减少全球快速增长的数据所需的存储空间。
微软研究人员与华盛顿大学以微软已故创始人Paul Allen名字命名的计算机科学和工程学院,打造出了一种由液体、管子,注射器和电子元件组成的系统,成为世界上第一台自动DNA存储设备。
研究人员利用这个概念验证的DNA存储设备,通过在DNA片段中编码“hello”并将其转换回数据,来展示它所具备的写入和读取功能。
这台设备的售价约为10000美元,但研究人员认为,如果不带传感器和执行器的话,小批量的制造成本可以减少三分之二。
根据《自然》杂志的描述,该设备由具有编码和解码软件的计算机组成,解码软件将数字和零转换为DNA的四个碱基:A、C、T、G;此外还有一个DNA合成模块,一个DNA制备和测序模块,两者中间是一个储存DNA的容器。
微软首席研究员Karin Strauss表示,他们希望证明有一种实用的DNA数据存储自动化方法。
“我们的终极目标是投入生产一款对最终用户来说非常像云存储服务的系统——字位被发送到数据中心,保存在那里,当客户需要的时候就会出现。”
“要做到这一点,我们就要从自动化角度去证明这是实用的。”
Paul G Allen计算机科学与工程学院高级研究科学家Chris Takahashi解释说,虽然现在很多机器已经被用于DNA的合成和测序,但很多步骤都是手动的。
Takahashi表示:“你不能让一群人带着吸量管在数据中心跑来跑去——这太容易出现人为错误,成本太高,占用空间太大。”
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。