Nu-mi vine să cred că chiar l-au 😂 trimis Un buzunar de 20 de dolari, mărimea 🦞 🔥 unui capac de sticlă

Este foarte tare (și nebunesc): Oamenii de știință au simulat pentru prima dată o celulă vie completă. Fiecare moleculă, fiecare reacție, de la replicarea ADN-ului până la diviziunea celulară. Articolul (Luthey-Schulten et al., Cell 2026, ), recent publicat astăzi, a folosit JCVI-Syn3A — o bacterie sintetică minimă cu mai puțin de 500 de gene. O simulare 3D+time a ciclului celular complet de 105 minute: replicarea ADN-ului, traducerea proteinelor, metabolismul, diviziunea. Fiecare genă, proteină, ARN și reacție chimică urmărită prin spațiul fizic. A durat ani să fie construit. Mai multe plăci video. Șase zile de timp de calcul pe rulare. Și aceasta este cea mai simplă celulă posibilă. O celulă umană are ~20.000 de gene. Trăiește în țesut. Interacționează cu vecinii. Diferențiază. Răspunde la droguri în moduri care depend de contextul pe care nu l-am măsurat pe deplin. Simularea mecanică a celulei minime costă 6 GPU-zile pentru 105 minute de biologie. Nu poți scala asta la celule umane. Complexitatea nu este de 40 de ori mai mare. Este exponențial mai greu. De aceea domeniul s-a orientat către modele bazate pe date. Nu poți codifica manual cablajul de reglementare al unui hepatocit uman. Dar poți învăța — dacă ai datele corecte de perturbare colectate în suficiente contexte biologice diverse. Cele două abordări nu concurează. Lucrări ca aceasta generează adevărul fundamental pe care modelele viitoare de ML au nevoie pentru validare. Dar drumul către o celulă virtuală utilă din punct de vedere clinic trece prin modele de fundație, nu prin extinderea simulării mecaniciste. Muncă uimitoare!

Probabil aceasta este prima lucrare RL pe OpenClaw 🔥 MetaClaw: Vorbește cu agentul tău și lasă-l să evolueze automat. Github: Majoritatea agenților AI sunt înghețați în momentul în care sunt livrați. Fiecare greșeală pe care o fac, o vor face din nou mâine. MetaClaw rezolvă asta. Este un strat RL online construit peste OpenClaw care le permite agenților să învețe din propriile interacțiuni — fără cluster GPU, fără set de date offline, fără echipă de inginerie necesară. Bucla este simplă: fiecare conversație este înregistrată ca o traiectorie de antrenament. Când agentul eșuează, analizează ce a mers prost și propune o nouă abilitate reutilizabilă. LoRA actualizează trenul asincron în fundal. Data viitoare când apare o situație similară, abilitatea relevantă este preluată automat în prompt. Agentul nu doar acumulează conversații. Acumulează capacitate. Ce face ca acest lucru să fie diferit de fine-tuning: nu există un pipeline uman de etichetare, nicio rulare de antrenament batch, niciun ciclu de implementare. Îmbunătățirea are loc continuu, invizibil, în producție. Interacțiunea → învățarea → îmbunătățirea, în buclă. Nu există set de date offline. Nu este nevoie de programare. Fără cluster GPU. Partea care merită atentă: aceasta transformă fiecare interacțiune a utilizatorului într-un semnal de antrenament. Agentul pe care îl trimiți în prima zi nu este agentul pe care îl ai în ziua treizeci. A fost modelat de tot ce a greșit și a reparat. O treabă grozavă din partea @HuaxiuYaoML!