这篇论文没有证明 Claude 可以稳定做到这一点。甚至作者也没有真正解释为什么 MBP 0/90，为什么高分 BBF-14 candidate 会实验失败。因为他们的湿实验项目到 binding measurement 就结束了。这正是今天 human scientist 仍然最重要的地方。

这篇论文没有证明 Claude 可以稳定做到这一点。甚至作者也没有真正解释为什么 MBP 0/90，为什么高分 BBF-14 candidate 会实验失败。因为他们的湿实验项目到 binding measurement 就结束了。这正是今天 human scientist 仍然最重要的地方。

这篇论文没有证明 Claude 可以稳定做到这一点。甚至作者也没有真正解释为什么 MBP 0/90，为什么高分 BBF-14 candidate 会实验失败。因为他们的湿实验项目到 binding measurement 就结束了。这正是今天 human scientist 仍然最重要的地方。

Agent之所以重要，不是因为它比普通模型更会聊天，而是因为它开始能够使用外部能力完成任务。Tool Calling让Agent可以调用外部工具；Function Calling让调用过程结构化；Tool Schema定义工具参数和输出格式；Tool Descriptor帮助模型理解工具边界；Tool Registry管理可用工具；Tool Router负责选择合适工具；Tool Retrieva

Agent之所以重要，不是因为它比普通模型更会聊天，而是因为它开始能够使用外部能力完成任务。Tool Calling让Agent可以调用外部工具；Function Calling让调用过程结构化；Tool Schema定义工具参数和输出格式；Tool Descriptor帮助模型理解工具边界；Tool Registry管理可用工具；Tool Router负责选择合适工具；Tool Retrieva

AI Agent不是简单的聊天机器人。Agentic System也不是把几个模型堆在一起。真正的智能体系统，关键在于把目标、任务、动作、观察、规划、执行和反馈组织成一个可运行、可控制、可追踪的过程。AI Agent让模型开始围绕目标行动；Agentic System让多个智能体和工具形成协作体系；Autonomous Agent强调更强的自主推进能力；Copilot强调人在主导、AI在辅助；Ag

AI Agent不是简单的聊天机器人。Agentic System也不是把几个模型堆在一起。真正的智能体系统，关键在于把目标、任务、动作、观察、规划、执行和反馈组织成一个可运行、可控制、可追踪的过程。AI Agent让模型开始围绕目标行动；Agentic System让多个智能体和工具形成协作体系；Autonomous Agent强调更强的自主推进能力；Copilot强调人在主导、AI在辅助；Ag

AlphaFold3 源代码改用 Apache 2.0，表面上是一次许可证调整，实际上是结构预测生态变化后的战略再定位。它说明 DeepMind 已经意识到，继续限制代码并不能阻止开源生态追赶。与其让 AlphaFold3 在社区中变成一个被围观但难以复用的封闭参考，不如放开代码，重新进入开源开发者的工作流。但它也说明，DeepMind 并没有真正放开 AlphaFold3 的核心能力。权重、输出

抗体结构预测已经从模板建模时代，走向语言模型、等变网络和多分子复合物预测时代。IgFold、ImmuneBuilder、ABodyBuilder3 等模型让抗体单体结构预测更加快速和规模化。AlphaFold-Multimer、AlphaFold3、Boltz、Chai 等模型拓展了抗体-抗原复合物建模的可能性。HERN、tFold、AntiFold 等方法则开始把结构预测、docking 和抗体

AlphaFold1 证明了深度学习可以突破传统结构预测瓶颈。AlphaFold2 让单链蛋白结构预测接近实验精度，极大改变了结构生物学的工作方式。AlphaFold-Multimer 把结构预测推进到蛋白复合物层面。AlphaFold3 则进一步把问题从“蛋白如何折叠”推进到“生命分子如何相互作用”。从结构约束，到蛋白结构；从单体蛋白，到蛋白复合物；从蛋白折叠，到生命分子相互作用。但 Alpha