2026. szeptember 1., kedd · Eszközök

NVIDIA BioNeMo Agent Toolkit: AI-ügynökök fehérjeszerkezet-predikcióhoz

Az NVIDIA hivatalos közleménye szerint a BioNeMo Agent Toolkit több mint egy évtizednyi BioNeMo modellt, könyvtárat és munkafolyamatot csomagol ügynök-hívható képességekbe biológiai, kémiai, genomikai és gyógyszerkutatási feladatokhoz, a Claude Science-szel és NVIDIA NIM mikroszolgáltatásokkal integrálva. A cég saját belső benchmarkja szerint a Seh1 monomer és a Seh1–C1HCX1 heteromer predikciójánál az OpenFold3 és a Boltz-2 modell is magas interfész-megbízhatóságot ért el (iPTM 0,85 és 0,82) többszörös szekvenciaillesztéssel, ám ez nélküle 0,14 és 0,19 értékre esett. Az NVIDIA szerint ez igazolja, hogy az evolúciós szekvenciaillesztés kulcsfontosságú bemenet az interfész-predikcióhoz; független megerősítés a kivonatban nem szerepel.

Egy forrás erősíti A hír állításait legfeljebb egy forrás támasztja alá tárgyilag; a többi forrás anyaga nem erről szól.

Miért fontos?

A benchmark konkrét, számszerű bizonyítékot ad arra, hogy az AI-ügynökök vezérelte fehérjeszerkezet-predikcióban az MSA-bemenet elhagyása drasztikusan rontja a modellek megbízhatóságát.

Források

NVIDIA Technical Blog

Említve a tudásbázisban

Kapcsolódó témák

Napi összefoglalók AI eszközök #NVIDIA BioNeMo#fehérjeszerkezet-predikció

Napi összefoglaló

Ez a hír a 2026. szeptember 1., kedd napi AI összefoglaló része.

Kapcsolódó hírek

AWS bemutatta az Agent Registry szolgáltatást az AI-ügynökök kezelésére

Az AWS hivatalos blogbejegyzése szerint elérhetővé vált az AWS Agent Registry, amely egy központi, kereshető katalógust biztosít a vállalatok számára AI-ügynökök, eszközök és képességek kezelésére. A cég állítása szerint a szolgáltatás azt a problémát oldja meg, hogy a szervezeteknél a csapatok elszigetelten fejlesztik ügynökeiket, így nincs átlátás arról, mi létezik, ki a felelőse, és átment-e ellenőrzésen. Az AWS ismertetése szerint a rendszer két rétegben működik: egy irányítási réteg, amely hozzáférés-kezelést, életciklus-követést és jóváhagyási folyamatokat biztosít, valamint egy felfedezési réteg beépített szemantikus kereséssel. A vállalat szerint ez csökkenti a duplikált fejlesztői munkát, a verziószétforgácsolódást és javítja a nyomon követhetőséget nagy szervezeti méretekben.

AWS: megfigyelhető, több tudásbázisos agentikus keresés Bedrock CloudFormationnel

Az AWS hivatalos blogbejegyzése olyan architektúrát mutat be, amely a hagyományos, egylépéses RAG-keresés helyett agentikus visszakeresést valósít meg: az ügynök végiggondolja a kérdést, kiválasztja a megfelelő tudásbázist, több forrásból iteratívan keres, majd hivatkozásokkal ellátott választ ad. A megoldás az Amazon Bedrock Managed Knowledge Base és az AgentCore szolgáltatásra épül, az AWS állítása szerint a folyamat OpenTelemetry-alapú nyomkövetéssel kezdettől megfigyelhető és kiértékelhető. A cég szerint a rendszer egyetlen AWS CloudFormation-sablonlánccal telepíthető, beleértve a tesztadatokat, a tudásbázisokat és a megfigyelhetőségi rétegeket. A leírás fejlesztői útmutató, amely a korábbi, egyszerűbb RAG-megoldást vállalati, több forrású keresési forgatókönyvekre bővíti.

Cloudflare kibővítette AI Search keresőszolgáltatását fejlesztőknek és ügynököknek

A Cloudflare a saját állítása szerint kibővítette AI Search nevű szolgáltatását, amely kész keresőmotort ad AI-ügynökök és alkalmazások alá saját adatokon való kereséshez. A cég szerint a rendszer automatikusan kezeli a teljes keresési folyamatot – bejárás, feldolgozás, beágyazás, keresés –, és mostantól sitemap nélkül is képes felfedezni weboldalakat úgynevezett „discover” módban. A Cloudflare állítása alapján egyetlen nyilvános végpont hitelesítés nélkül tehet kereshetővé több forrást vagy weboldalt egyszerre, és a szolgáltatás több saját, Cloudflare által üzemeltetett terméknél is elérhető, mint az API-dokumentáció, Astro, Vite vagy Hono. A cég azt is közölte, hogy az árazást kiszámíthatóra tervezték, a beágyazás és az újrarangsorolás bizonyos használat esetén ingyenes. Az állítások a Cloudflare saját közleményén alapulnak, független megerősítés a forrásban nem szerepel.

Az Amazon megnyitotta a Kiro Crew nevű aszinkron kódolóügynök-rendszert

Az Amazon nyílt forráskódúvá tette a Kiro Crew nevű rendszert, amely több AI kódolóügynök párhuzamos, munkameneteken átívelő futtatását teszi lehetővé felügyelet nélkül végzett feladatokra, például hibavizsgálatra, jegykezelésre vagy PR-ellenőrzésre. A vállalat állítása szerint a rendszert belsőleg MeshClaw néven fejlesztették, és állításuk szerint már több mint 39000 fejlesztő használta házon belül, mielőtt megnyitották volna. A cikk szerint az eszköz megosztott memóriát, újrahasználható képességeket, ütemezett feladatokat kínál, az ügynökök munkáját pedig az Agent Client Protocol nevű szabvány közvetíti élő betekintéssel. Az InfoQ szerint a rendszer alapból tartalmaz OS-szintű sandboxot, alapértelmezetten tiltott parancsokat és aláírt naplózást, a közösségi visszhang pedig a cikk szerint túlnyomórészt pozitív volt.