Sistemi AI di dominio si stanno diffondendo in flussi clinici, ingegneristici e scientifici con architetture e pipeline di valutazione specializzate. Esempi includono la generazione di dataset CDISC, la pianificazione di pozzi SPE, l'identificazione di software bioinformatici e i funzionali exchange-correlation basati su deep learning.
Un framework ibrido combina segnali lessicali e semantiche SciBERT per identificare software e database nella letteratura biomedica. Addestrato con una pipeline che unisce estrazione citazionale e distillazione assistita da LLM, supera metodi special...
ATHENA, l'assistente virtuale della Society of Petroleum Engineers, ha migliorato produttività e uniformità delle prestazioni per 75 professionisti in compiti di pianificazione dei pozzi rispetto a una baseline RAG. La versione evoluta aggiunge recup...
Microsoft Research ha rilasciato Skala 1.1, funzionale exchange-correlation basato su deep learning. Addestrato su 2,5 volte più dati, riduce l'errore medio pesato a 2,8 kcal/mol su GMTKN55 mantenendo un costo da meta-GGA. L'integrazione nativa in CP...
Un nuovo framework allinea embedding cerebrali e testuali in uno spazio semantico condiviso per una decodifica basata su retrieval, separando il segnale neurale dalla ricostruzione dell'LLM. MD-SigLIP usa contrastive learning duplicate-aware e un ter...
Un sistema multi-agente trasforma il processo regolatorio in un grafo aciclico diretto e porta la generazione di dataset clinici CDISC al 100% di corrispondenza strutturale, mentre i tentativi flat e single-agent restano a zero. Il confronto su CDISC...
