Không thể tin được là họ thực sự đã gửi nó 😂 Một con tôm hùm kích thước nắp chai 🦞 trong túi của bạn 🔥

Điều này thật tuyệt vời (và hoang dã): Các nhà khoa học đã mô phỏng một tế bào sống hoàn chỉnh lần đầu tiên. Mỗi phân tử, mỗi phản ứng, từ sao chép DNA đến phân chia tế bào. Bài báo (Luthey-Schulten et al., Cell 2026, ) vừa được công bố hôm nay, đã sử dụng JCVI-Syn3A — một loại vi khuẩn tổng hợp tối thiểu với chưa đến 500 gen. Một mô phỏng 3D+thời gian của toàn bộ chu kỳ tế bào 105 phút: sao chép DNA, dịch mã protein, chuyển hóa, phân chia. Mỗi gen, protein, RNA và phản ứng hóa học đều được theo dõi qua không gian vật lý. Nó đã mất nhiều năm để xây dựng. Nhiều GPU. Sáu ngày thời gian tính toán cho mỗi lần chạy. Và đây là tế bào đơn giản nhất có thể. Một tế bào người có khoảng 20.000 gen. Nó sống trong mô. Nó tương tác với các tế bào lân cận. Nó phân hóa. Nó phản ứng với thuốc theo những cách phụ thuộc vào ngữ cảnh mà chúng ta chưa đo lường đầy đủ. Mô phỏng cơ chế của tế bào tối thiểu tốn 6 GPU-ngày cho 105 phút sinh học. Bạn không thể mở rộng điều đó cho các tế bào người. Độ phức tạp không chỉ khó gấp 40 lần. Nó khó hơn theo cấp số nhân. Đây là lý do tại sao lĩnh vực này đã chuyển sang các mô hình dựa trên dữ liệu. Bạn không thể mã hóa bằng tay hệ thống điều chỉnh của một tế bào gan người. Nhưng bạn có thể học nó — nếu bạn có dữ liệu nhiễu loạn đúng được thu thập qua đủ các ngữ cảnh sinh học đa dạng. Hai phương pháp này không cạnh tranh. Các bài báo như thế này tạo ra sự thật cơ sở mà các mô hình ML trong tương lai cần để xác thực. Nhưng con đường đến một tế bào ảo hữu ích về lâm sàng đi qua các mô hình nền tảng, không phải thông qua việc mở rộng mô phỏng cơ chế. Công việc tuyệt vời!

Đây có lẽ là công trình RL đầu tiên trên OpenClaw 🔥 MetaClaw: Chỉ cần nói chuyện với đại lý của bạn và để nó tự phát triển. Github: Hầu hết các đại lý AI đều bị đóng băng ngay khi họ ra mắt. Mọi sai lầm họ mắc phải, họ sẽ mắc lại vào ngày mai. MetaClaw khắc phục điều đó. Đây là một lớp RL trực tuyến được xây dựng trên OpenClaw cho phép các đại lý học hỏi từ chính tương tác của họ — không cần cụm GPU, không cần tập dữ liệu ngoại tuyến, không cần đội ngũ kỹ thuật. Vòng lặp rất đơn giản: mỗi cuộc trò chuyện được ghi lại như một quỹ đạo đào tạo. Khi đại lý thất bại, nó phân tích những gì đã sai và đề xuất một kỹ năng tái sử dụng mới. Các bản cập nhật LoRA được đào tạo không đồng bộ trong nền. Lần tới khi một tình huống tương tự xảy ra, kỹ năng liên quan sẽ được lấy vào lời nhắc tự động. Đại lý không chỉ tích lũy các cuộc trò chuyện. Nó tích lũy khả năng. Điều gì làm cho điều này khác với việc tinh chỉnh: không có quy trình gán nhãn con người, không có các phiên đào tạo theo lô, không có chu kỳ triển khai. Sự cải thiện diễn ra liên tục, vô hình, trong sản xuất. Tương tác → học hỏi → cải thiện, theo vòng lặp. Không có tập dữ liệu ngoại tuyến. Không cần lập trình. Không cần cụm GPU. Phần đáng chú ý: điều này biến mọi tương tác của người dùng thành một tín hiệu đào tạo. Đại lý bạn triển khai vào ngày đầu tiên không phải là đại lý bạn có vào ngày thứ ba mươi. Nó đã được hình thành bởi mọi thứ mà nó đã sai và đã sửa chữa. Công việc tuyệt vời của @HuaxiuYaoML !