Podcast2026/05/221 小時 6 分進階EN

Relational Foundation Models for Enterprise Data with Jure Leskovec - #768

摘要

探討 Jure Leskovec 的兩項核心工作：AI for Science 與關係深度學習。他介紹了 AI Virtual Cell，利用單細胞 RNA 組學資料、蛋白質語言模型及 AlphaFold 等，無需手動編碼生物學知識，即可從純自監督學習中推匯出細胞、組織乃至患者的資料驅動表示。此外，他解釋了 Kumo 的 Relational Foundation Model (RFM2)，該模型將企業資料庫視為圖，透過有鑑於此的學習（in-context learning）在無訓練的情況下對多表資料進行精確預測，並展示了其在 Reddit、DoorDash 等公司的實際部署。

This episode explores Jure Leskovec's work on AI for science and relational deep learning. He introduces AI Virtual Cell, which derives data-driven representations of cells and patients from single-cell RNA-seq data using protein language models and AlphaFold without manual biological encoding. He详解…

摘要、重點與章節標題由語言模型整理，細節（誰說的、數字、先後）可能有誤；要引用請以原始內容為準。

重點

Jure Leskovec 探討了 AI for Science 與關係深度學習兩個領域。
他介紹了 AI Virtual Cell，利用單細胞 RNA 組學資料推導細胞與患者的資料驅動表示。
RFM2 模型將企業資料庫視為圖，透過有鑑於此的學習在無訓練情況下進行精確預測。

章節

依話題轉折切分，標題由 AI 產生

07:37從社交媒體到病毒傳播：Relational Data 的應用範疇
10:12企業資料中的多表關聯與傳統機器學習的差異
18:31Relational Foundation 模型能預測哪些型別的問題
21:22Relational Foundation 模型在真實世界中的成效
28:02Relational Foundation 模型的核心技術與運作機制
37:26Relational Foundation 模型如何處理未見過的資料
40:33利用混合訓練提升企業資料預測精度
43:02基線模型效能與實世界表現的對比
47:39圖譜嵌入與手動特徵工程的結合
51:31生產環境中的可解釋性挑戰
54:11跨區塊鏈規模的模型部署與擴展
1:01:18預測值轉化為決策的瓶頸問題
1:04:10從結構化資料到智慧體的工具化應用

提到的工具與公司

Kumo
RFM2
RelBench
Single-cell RNA-seq
AlphaFold
ESM

適合誰看

資料科學家、生物資訊學研究者、企業資料治理人員及對圖神經網路感興趣的技術人員。

摘要依據

講者: Sam Charrington
依據: 語音轉文字

為什麼排在這裡

人氣: 0.50
新鮮: 0.60

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

摘要由 AI 根據原文產生，可能有誤；完整內容請看原站。聽節目（在新分頁開啟原站）

摘要

重點

章節

提到的工具與公司

適合誰看

摘要依據

為什麼排在這裡

相關內容