A | 很多人都还在期待火箭签下德罗赞，但是最新消息，显示德罗赞基本不会来了。
B | 不过休赛期火箭悄悄拿下了一个很适配体系的球员，那就是奥斯卡‑希布韦。
C | 当地时间8月20日，谷歌宣布，其开源端侧模型家族Gemma的总下载量已突破10亿次。
这名球员可能很多球迷不熟悉，但他是大学和发展联盟历史上顶级的篮板怪兽。看数据就知道有多夸张，发展联盟曾经场均19个篮板，其中8.3个是进攻篮板。就算来到联盟后，上场时间有限，15分钟左右，也能稳定交出6个以上篮板，尤其进攻篮板是他的看家本领。
D | 这款由谷歌DeepMind推出的开源大模型，自发布以来，全球开发者基于它衍生出超10万个定制变体，形成名为“Gemmaverse”的开源生态。
谷歌列举了多个Gemma家族应用场景：从太空本地图像分析、医疗报告标准数字化、癌症创新治疗方案再到动物语言识别，Gemma家族模型正实实在在地应用到各个垂直行业。 其中，以Gemma为基座的模型在生物医药科研领域产出了多项标志性成果。
E | 谷歌一方面推出面向医疗场景的垂直模型MedGemma，支撑医疗报告结构化、医学影像辅助分析等应用；另一方面联合科研机构，依托Gemma底座攻坚癌症机制研究。 他效力过步行者、爵士，出场了49场，场均15.2分钟拿到7分6.5篮板。 其中最受行业关注的是谷歌DeepMind、谷歌研究院与耶鲁大学合作开发的Cell2Sentence-Scale 27B（C2S-Scale）模型。 传统的癌症疫苗治疗思路，是让免疫系统通过识别身份标签来识别敌人。但这面临一个“瞄准困境”：一般来说，肿瘤的“身份标签”取自肿瘤本身,但很多肿瘤细胞表面缺少能被免疫T细胞识别的、独特的“身份标签”（即肿瘤特异性抗原），同时，它们还主动穿上“防护服”（如高表达PD-L1蛋白），成为所谓的“冷肿瘤”。结果就是，对于“冷肿瘤”，免疫系统即使大军压境，也像得了“脸盲症”，看不见敌人，或者看见了也被强行抑制，导致治疗无效。 针对免疫治疗难以起效的“冷肿瘤”难题，C2S-Scale按活跃程度排序，将单细胞基因表达数据转化为类文本的“基因句子”，让大语言模型能直接“读”懂细胞。随后，该模型完成4000余种药物的虚拟筛选，预测出silmitasertib联合低剂量干扰素的用药组合。 C2S-Scale锁定的候选药物中，仅10%-30%在过往文献中被提及，其余与筛选目标无已知关联。最终被选中的是silmitasertib（CX-4945），一种CK2激酶抑制剂。出场时间不长，但篮板效率极其恐怖。 要知道，火箭这两年本来就是全联盟进攻篮板最靠前的队伍，教练组非常看重拼抢二次进攻，延长进攻回合。引进希布韦，就是继续放大这个优势。 这一AI提出的全新治疗假说，后续在人源活细胞实验中得到验证，研究团队用模型训练时从未见过的人类神经内分泌细胞进行实验，结果是单独用药无效果，单用低剂量干扰素只有轻微提升，两者联用后抗原呈递提升约50%，证实联用方案可显著提升抗原呈递水平，属于少数AI产出全新癌症治疗机制并获得实验室验证的案例，有望提升肿瘤细胞抗原呈递能力，把冷肿瘤转化为对免疫治疗敏感的热肿瘤。 但我们要客观看待这些，他不是来顶替申京的。 该模型相关成果已对外开源，可供全球科研团队继续拓展研究。需要注意的是，该发现目前仅停留在体外细胞实验阶段，尚未进入临床。
F | 随着下载量冲高，Gemma证明开源大模型不再局限对话生成，能够直接介入原始生物数据挖掘，深度探索癌症治疗新机制，为AI医药科研提供低成本的技术底座。（文章来源：科创板日报）。
G | 申京是内线轴心，要策应、传球、组织进攻。希布韦的定位是蓝领内线替补，任务很纯粹：冲篮板，尤其是进攻篮板，拼二次得分，干脏活累活。 他没有细腻的持球策应，自主进攻能力有限，最大价值就是篮板活力。当申京下场休息，内线需要有人疯狂冲抢篮板的时候，希布韦就能派上用场。 不要把他当成明星补强，这是一笔功能性引援。不追求华丽的数据，就是为了强化内线篮板储备，丰富轮换深度。对于志在季后赛的火箭，这种不起眼的拼图，往往在轮换阶段能够发挥意想不到的作用。
Current article:http://m9it4.michengyuraochixun.buzz/pquy00/6b9fl.html
Published on:07:10:23
