Heim
Das Open-Source-Forschungsmodell LOGOS von Aliyun schlägt Microsoft mit nur 1/56 der Parameter
Alibabas ATH-Token Foundry hat in Zusammenarbeit mit dem Gaoqiang-Institut für Künstliche Intelligenz an der Renmin-Universität China die Veröffentlichung von LOGOS als Open-Source-Projekt angekündigt. Es handelt sich dabei um das erste wissenschaftliche generative Basismodell für mehrere Domänen, das auf einer einheitlichen wissenschaftlichen Syntax basiert und bei sechs repräsentativen wissenschaftlichen Aufgaben mithilfe reiner Sequenzmodellierung die Leistung traditioneller domänenspezifischer Methoden durchweg erreicht oder übertrifft.

Besonders hervorzuheben ist die außergewöhnliche Parametereffizienz des Modells. Mit nur 1 Milliarde Parametern übertrifft LOGOS-1B Microsofts NatureLM (das über 8×7 Milliarden Parameter verfügt) bei mehreren Schlüsselaufgaben.
Wegweisende einheitliche wissenschaftliche Syntax für heterogene Objekte
LOGOS nutzt einen umfangreichen Vortrainingskorpus, der sieben Modalitäten abdeckt – biologische Makromoleküle, chemische Einheiten und Schnittstelleninteraktionen – und insgesamt 44,87 Milliarden Token umfasst. Durch ein gemeinsames Vokabular kodiert es ehemals heterogene Objekte wie Proteine und kleine Moleküle in eine einheitliche diskrete Token-Sequenz.
Diese einzigartige wissenschaftliche Syntax ermöglicht es großen Modellen, verschiedene wissenschaftliche Objekte innerhalb eines gemeinsamen Generationsraums autoregressiv zu interpretieren. Es wird sogar eine „Textbeschreibungsmethode“ eingeführt, mit der komplexe räumliche Interaktionsregeln ohne die Eingabe komplizierter 3D-Koordinaten konzeptualisiert werden können, wobei man sich ausschließlich auf die Sequenzvorhersage stützt.

Die Lücke zwischen Vortraining und Anwendung schließen
In herkömmlichen Forschungsumgebungen erfordert der Wechsel zwischen Modellen in verschiedenen Phasen oft eine umfangreiche Feinabstimmung bei der Bereitstellung. LOGOS erreicht eine hohe Konsistenz sowohl in Form als auch in Zweck, da das Format der Vortrainingsdatensequenz mit den Eingabe- und Ausgabeformaten nachgelagerter Aufgaben übereinstimmt.
Diese Angleichung beseitigt effektiv die Kluft zwischen Vortraining und realen Anwendungen und ermöglicht direkte generative Fähigkeiten ohne komplexe Anpassungsschichten. Alibaba hat nun die Modellgewichte, den Inferenzcode und den technischen Bericht für dieses große Modell vollständig als Open Source veröffentlicht.
Verwandter Artikel
U.S.-Aktien erreichen historischen Meilenstein, während KI- und Luft- und Raumfahrtriesen auf ihr Debüt als Billionen-Dollar-Unternehmen vorbereiten
Elon Musk, Sam Altman und Dario Amodei, drei Giganten des Technologiesektors, schreiten den Börsengängen ihrer jeweiligen Unternehmen voran. Mit SpaceX, OpenAI und Anthropic – drei Branchenriesen, die einer Bewertung von einer Billion US-Dollar nahek
Schwedisches KI-Startup Lovable Eyes: Bewertung von 13,2 Milliarden US-Dollar nach großer Finanzierungsrunde
Während KI-gestützte Coding-Tools an Popularität gewinnen, hat das schwedische Startup Lovable eine bedeutende Finanzierungsrunde abgeschlossen. Das Unternehmen strebt danach, 3 Milliarden US-Dollar einzusammeln, was seine Bewertung potenziell auf 13
Google testet den Remy AI Agent für Gemini, da der Fokus auf die Benutzerkontrolle verlagert wird
Laut Business Insider testet Google Remy, einen neuen KI-Personalagenten für Gemini. Dieses Tool soll Aufgaben im Auftrag von Nutzern ausführen und sowohl professionelle Arbeitsabläufe als auch tägliche Routinen optimieren.Derzeit wird Remy in einer
Empfehlungen zu verwandten Spezialthemen
Kommentare (0)
Alibabas ATH-Token Foundry hat in Zusammenarbeit mit dem Gaoqiang-Institut für Künstliche Intelligenz an der Renmin-Universität China die Veröffentlichung von LOGOS als Open-Source-Projekt angekündigt. Es handelt sich dabei um das erste wissenschaftliche generative Basismodell für mehrere Domänen, das auf einer einheitlichen wissenschaftlichen Syntax basiert und bei sechs repräsentativen wissenschaftlichen Aufgaben mithilfe reiner Sequenzmodellierung die Leistung traditioneller domänenspezifischer Methoden durchweg erreicht oder übertrifft.

Besonders hervorzuheben ist die außergewöhnliche Parametereffizienz des Modells. Mit nur 1 Milliarde Parametern übertrifft LOGOS-1B Microsofts NatureLM (das über 8×7 Milliarden Parameter verfügt) bei mehreren Schlüsselaufgaben.
Wegweisende einheitliche wissenschaftliche Syntax für heterogene Objekte
LOGOS nutzt einen umfangreichen Vortrainingskorpus, der sieben Modalitäten abdeckt – biologische Makromoleküle, chemische Einheiten und Schnittstelleninteraktionen – und insgesamt 44,87 Milliarden Token umfasst. Durch ein gemeinsames Vokabular kodiert es ehemals heterogene Objekte wie Proteine und kleine Moleküle in eine einheitliche diskrete Token-Sequenz.
Diese einzigartige wissenschaftliche Syntax ermöglicht es großen Modellen, verschiedene wissenschaftliche Objekte innerhalb eines gemeinsamen Generationsraums autoregressiv zu interpretieren. Es wird sogar eine „Textbeschreibungsmethode“ eingeführt, mit der komplexe räumliche Interaktionsregeln ohne die Eingabe komplizierter 3D-Koordinaten konzeptualisiert werden können, wobei man sich ausschließlich auf die Sequenzvorhersage stützt.

Die Lücke zwischen Vortraining und Anwendung schließen
In herkömmlichen Forschungsumgebungen erfordert der Wechsel zwischen Modellen in verschiedenen Phasen oft eine umfangreiche Feinabstimmung bei der Bereitstellung. LOGOS erreicht eine hohe Konsistenz sowohl in Form als auch in Zweck, da das Format der Vortrainingsdatensequenz mit den Eingabe- und Ausgabeformaten nachgelagerter Aufgaben übereinstimmt.
Diese Angleichung beseitigt effektiv die Kluft zwischen Vortraining und realen Anwendungen und ermöglicht direkte generative Fähigkeiten ohne komplexe Anpassungsschichten. Alibaba hat nun die Modellgewichte, den Inferenzcode und den technischen Bericht für dieses große Modell vollständig als Open Source veröffentlicht.
U.S.-Aktien erreichen historischen Meilenstein, während KI- und Luft- und Raumfahrtriesen auf ihr Debüt als Billionen-Dollar-Unternehmen vorbereiten
Elon Musk, Sam Altman und Dario Amodei, drei Giganten des Technologiesektors, schreiten den Börsengängen ihrer jeweiligen Unternehmen voran. Mit SpaceX, OpenAI und Anthropic – drei Branchenriesen, die einer Bewertung von einer Billion US-Dollar nahek
Schwedisches KI-Startup Lovable Eyes: Bewertung von 13,2 Milliarden US-Dollar nach großer Finanzierungsrunde
Während KI-gestützte Coding-Tools an Popularität gewinnen, hat das schwedische Startup Lovable eine bedeutende Finanzierungsrunde abgeschlossen. Das Unternehmen strebt danach, 3 Milliarden US-Dollar einzusammeln, was seine Bewertung potenziell auf 13











