2026. július 23., csütörtök · Eszközök

MI-eszközökkel percek alatt készíthető grafikus absztrakt tudományos cikkekhez

A Nature-ben megjelent útmutató szerint az MI-eszközök jelentősen megkönnyíthetik a tudományos grafikus absztraktok elkészítését, ha a kutatók felelősségteljesen használják őket. A Helsinki Egyetem doktorandusza saját tapasztalatai alapján mutatja be, hogy az MI ötletgenerálásra, színpaletta-optimalizálásra, vázlatok vektorizálására és egyedi munkafolyamatok kialakítására is alkalmazható. A szerző hangsúlyozza, hogy a végtermékért a kutató felel: a tudományos pontosság, a plágium elkerülése és a célfolyóirat MI-irányelveinek betartása a felhasználó kötelessége. Fontos tanács, hogy a tervezés előtt határozzuk meg a közlendő fő üzenetet, és az MI-t ennek szolgálatába állítsuk.

Miért fontos?

A cikk konkrét, felelős keretet ad ahhoz, hogy kutatók MI-vel hatékonyabban kommunikálják tudományos eredményeiket.

Források

Nature Tudományos

Kapcsolódó témák

Napi összefoglalók AI eszközök #grafikus absztrakt#tudományos kommunikáció

Napi összefoglaló

Ez a hír a 2026. július 23., csütörtök napi AI összefoglaló része.

Kapcsolódó hírek

AWS: nyílt forráskódú AI-ügynök vezérli a SageMaker HyperPod klasztereket

Az AWS bemutatta a HyperPod InstantStart nevű nyílt forráskódú vezérlőréteget, amely az Amazon SageMaker HyperPod klaszterek – gépi tanulási modellek futtatására szolgáló, Amazon EKS-re épülő infrastruktúra – beállítását és napi üzemeltetését automatizálja. A vállalat állítása szerint a rendszer egyetlen, a felhasználó AWS-fiókjában futó menedzsment-konténerként működik, és ugyanazt a háttér-API-t szolgálja ki webes felületen és parancssoron keresztül is. Az AWS szerint egy AI-ügynök tervezi meg és futtatja a többlépcsős folyamatot – hálózat, tárhely, azonosságkezelés, node-helyreállítás, modellkiszolgálás –, és csak az elérhetőségi zóna vagy a példánytípus kiválasztásánál áll meg döntésre várva. A cég szerint a megbízhatóság kulcsa, hogy a működési szabályokat egy vezérlőréteg API-jába kódolják, nem pedig nyers parancssori hozzáférést adnak az ügynöknek.

AWS és NVIDIA: automatizált AI-gyártósor fizikai robotoknak

Az AWS hivatalos technikai blogja szerint a NVIDIA Cosmos 3 nevű nyílt, omnimodális világmodelljével és az Amazon SageMaker HyperPod infrastruktúrával úgynevezett Physical AI modellgyárat lehet építeni robotok és autonóm járművek számára. A leírás szerint a rendszer folyamatos hurokban generál szintetikus adatot, utótanítja az érzékelési és irányítási modelleket, majd zárt hurkú szimulációban értékeli őket, egyetlen Kubernetes-alapú klaszteren, elkerülve a külön GPU-kapacitást igénylő szakaszos gyakorlatot. Az AWS bemutatja a Cosmos 3 Mixture-of-Transformers architektúráját, valamint egy nyilvános DROID adathalmazon futtatott robotirányítási utótanítási példát, a kód pedig elérhető GitHubon. A cég szerint a kulcsfontosságú mutató nem az egyes feladatok csúcsteljesítménye, hanem a lefoglalt GPU-órákra vetített hasznos GPU-goodput.

Vortex: oszloporientált fájlformátum GPU-alapú gépi tanuláshoz

Egy QCon London előadáson Onur Satici, a SpiralDB mérnöke és a Vortex nyílt forráskódú, oszloporientált fájlformátum egyik fejlesztője mutatta be, hogyan lehet adatokat közvetlenül S3 tárolóból GPU-ra streamelni egyetlen másolási lépésben. Az előadó szerint a Vortex, amely mára a Linux Foundation AI & Data projektjeinek része, réteges könnyű kódolásokkal, elrendezés alapú szegmens-szűréssel és nulla másolású memóriacsővezetékkel akár 60 gigabit/másodperc sebességet is elér, kiküszöbölve a CPU és NVMe szűk keresztmetszeteket. A demonstráció során egy 4K videó feldolgozását vizualizálták valós időben, GPU-n végzett átkódolással szemléltetve az oszlopszűrés hatását. Az állítások a projekt egyik fő fejlesztőjétől származnak, független teljesítménymérés az anyagban nem szerepel.

GitHub Copilot kódellenőrzés minden Azure DevOps ügyfélnek elérhető

Microsoft minden Azure DevOps ügyfél számára megnyitotta a GitHub Copilot kódellenőrzési funkcióját, megszüntetve a június óta érvényben lévő regisztrációs korlátozást. A funkció automatikusan megjegyzéseket fűz a pull requestekhez, a felhasznált tokenek alapján a kapcsolt Azure-előfizetésen keresztül számláz, a költségjelentés viszont két nappal a tényleges felhasználás után válik elérhetővé. Microsoft közleménye szerint évekig a GitHub-ra való migrálásra ösztönözte ügyfeleit, de sok szervezet mérete, testreszabásai vagy megfelelőségi kötelezettségei miatt nem tud váltani, ezért hozzák el a GitHub-funkciókat az Azure Repos-hoz. Az augusztusi frissítés szervezeti, projekt- és tárolószintű beállításokat, Managed DevOps Pools támogatást, egyedi utasításokat és ágpolitika-alapú automatikus felülvizsgálatokat is tartalmaz.