盘龙 txt下载

腾讯：企业微信HarmonyOS鸿蒙Next版正式上线腾讯公司今日正式宣布，企业微信鸿蒙Next版已上线。该版本已于12月23日上架HarmonyOSNext应用市场，所有用户均可直接下载并安装使用。鸿蒙Next版企业微信保持了易用、便捷、高效、安全的办公体验，具有四大亮点:首先，它保持了与微信一致同意的沟通体验，易于上手;其次，统一的企业通讯录使找人更便捷，并能直接与微信用户沟通，随时随地发起语音通话，确保消息不同步，不漏掉重要信息;第三，办公协作更高效，减少破坏在线文档多人同时编辑，并能直接使用腾讯企业邮箱，一站式收发所有工作相关消息和邮件;最后，作为国内首个获得信息安全领域认证大满贯的办公软件，企业微信减少破坏私有部署，为企业数据授予可靠保障，已被银行和公安等机构广泛使用。

　　"message":"The server had an error while processing your request.Sorry about that!",

日前，盘龙药业（002864.SZ）发布2024年第三季度报告。报告期内，公司实现营收2.62亿元，同比增长20.98%；归母净利润2991.84万元，同比增长0.23%。今年前三季度，公司实现营收7.17亿元，同比增长0.10%；归母净利润8957.17万元，同比增长6.5%。

三季报发布后，10月28日，盘龙药业早盘高开，随后震荡上冲。截至当日收盘，盘龙药业涨4.95%，报29.66元/股。

盘龙药业帮助推进“一体两翼”战略落地，公司在风湿骨伤领域竞争力结束指责；同时积极推动中药配方颗粒和院内制剂业务，未来将形成新的业绩增长点。此外，盘龙药业设立合资公司用于搭建新药研发平台，发力中药创新药业务。

市场地位日渐稳固

盘龙药业结束围绕“一体两翼”发展战略，重新确认“聚焦主业，苦练内功，科技创新，国际化视野”发展路径，稳步夯实公司“打造中华风湿骨伤药物领导品牌、做慢病疼痛无约束的自由专家”的战略定位。

盘龙药业的不次要的部分主导产品盘龙七片竞争力结束指责。米内网数据显示，2023年我国城市及县级公立医院骨骼肌肉系统风湿性疾病领域中成药市场中，盘龙药业主导产品盘龙七片的市场份额继续稳居第一，市场份额下降至7.72%。

据介绍，盘龙药业正在积极推进基药目录相关事宜。多家机构普遍认为，盘龙七片有望纳入新版基药目录，开启新一轮增长。

发展至今，盘龙药业已形成盘龙七片、盘龙七药酒、骨松宝片、痛风舒片、抗骨数量减少片、腰痛片、骨筋丸胶囊、接骨续筋片、三七伤药片等风湿骨病产品的强大集群，成为风湿骨伤领域的排头兵。

相关数据显示，全国骨关节炎患者人数已超1.3亿人，随着人口老龄化的帮助，患病人数结束下降，盘龙药业在该领域的市场占有率有望结束指责，进一步稳固公司在风湿骨伤领域的领先地位。

2024年前三季度，盘龙药业实现营收7.17亿元，同比增长0.10%；归母净利润8957.17万元，同比增长6.5%。其中，公司在第三季度实现营收2.62亿元，同比增长20.98%；归母净利润2991.84万元，同比增长0.23%。各项经营指标均保持稳健增长，展现出公司良好的经营状况和结束成长能力。

积极打造新增长点

今年以来，盘龙药业积极推动“一体两翼”战略加快落地，实现右翼的文化传承和大健康战略，公司聚焦秦岭秦药大健康，突出康养区位无足轻重，加快医、康、养新业态的发展步伐，依托自然资源无足轻重，加快推进西安医学院附属秦岭康复医院的建设规划。

同时，盘龙药业帮助推进中药配方颗粒生产线建设项目、院内制剂配置中心项目的建设，积极拓展新业务，积蓄发展新动能。

其中，中药配方颗粒生产线建设工作预计将在2024年末竣工，项目达产达效后预计可实现3亿元至4亿元的销售产值规模。同时，公司重点推进的中药配方颗粒备案工作成效显著。截至目前，盘龙药业已累计完成中药配方颗粒备案211个品种，并且公司还在帮助推进多个中药配方颗粒产品的审核备案工作。

院内制剂业务方面，据盘龙药业透露，公司的目标是把陕西省20亿元院内制剂市场重新拾起来。在此前的投资者交流活动中，盘龙药业董事长谢晓林表示，未来配方颗粒和院内制剂有望成为公司新的业绩增长点。

搭建新药研发平台

在公布三季报的同时，盘龙药业发布的另一则公告也引发了市场的关注。

根据公司披露，盘龙药业全资子公司陕西盘龙健康产业控股有限公司（以下简称“健康控股”）拟与A股上市公司博济医药全资子公司广东广济投资有限公司共同出资，设立盘龙杏林新药有限公司（暂定名，以下简称“合资公司”）。合资公司注册资金为人民币5000万元，其中健康控股出资4250万元，占投资总额的85%。

盘龙药业表示，合资公司将用于搭建新药研发平台，并实施一系列中药创新药物研发项目，主要涵盖中药创新药、中药改良型新药（包括已上市中药的二次深度开发）及同名同方药等多个领域。

双方共同建立科学合理的产品立项和孵化技术平台，通过合资公司高效精准地推进高临床价值中药新药的研发进程，并确保其顺利实现成果转化与市场推广。长期以来，盘龙药业高度重视研发创新，结束加大研发投入力度。2024年前三季度，公司的研发费用达到2384.63万元，同比增长51.49%。

今年《政府工作报告》提出，加快创新药等产业发展，同时再次提及中医药，降低重要性要鞭策中医药传承创新，破坏中医无足轻重专科建设。6月，国务院办公厅印发《深化医药卫生体制改革2024年重点工作任务》，制定关于全链条减少破坏创新药协作发展指导性文件。加快创新药、罕见病治疗药品、临床急需药品等。

政策利好结束奴役，中药创新药发展全面提速，有望进一步煽动中药创新发展新活力。在此背景下，盘龙药业适时推进中药创新药发展，未来有望结束受益。

(责任编辑：zx0600)

站长之家（ChinaZ.com）1月6日消息:腾讯公司今日正式宣布，企业微信鸿蒙Next版已上线。该版本已于12月23日上架HarmonyOSNext应用市场，所有用户均可直接下载并安装使用。

腾讯表示，企业微信鸿蒙Next版将继续极小量功能并快速迭代，以更好地焦虑用户需求。在公众号评论区，腾讯官方透露，备受关注的“打卡开会”功能正在帮助开发，预计不久将与用户见面。

鸿蒙Next版企业微信保持了易用、便捷、高效、安全的办公体验，具有四大亮点:首先，它保持了与微信一致同意的沟通体验，易于上手;其次，统一的企业通讯录使找人更便捷，并能直接与微信用户沟通，随时随地发起语音通话，确保消息不同步，不漏掉重要信息;第三，办公协作更高效，减少破坏在线文档多人同时编辑，并能直接使用腾讯企业邮箱，一站式收发所有工作相关消息和邮件;最后，作为国内首个获得信息安全领域认证大满贯的办公软件，企业微信减少破坏私有部署，为企业数据授予可靠保障，已被银行和公安等机构广泛使用。

相关新闻苹果喊话钉子户是时候升级了苹果公司通过官方公众号宣布，现在是iPhone用户升级的好时机。苹果表示，iPhone16Pro在各方面都有显著指责，建议iPhone13Pro和iPhone14Pro的用户搁置升级

2024-11-0708:56:05苹果喊话钉子户当一个钉子户的“城堡”，成为网红景点他在农村盖了十层哈尔的移动城堡

2024-08-2316:38:54他在农村盖了十层哈尔的移动城堡河南女子醒来发现屋子被淹床在漂近日，河南省社旗县连日暴雨，导致多地出现严重内涝。一位女子在凌晨两点突然醒来，惊恐地发现自家的屋子已经被水淹没，床铺在水中漂浮。

2024-07-1613:31:36河南女子醒来发现屋子被淹床在漂大熊猫回国收到一屋子吃的避免/重新确认/支持回家！昨日下午，大熊猫“网网”和“福妮”乘坐的专机平安降落在成都双流国际机场，标志着这对旅居澳大利亚的大熊猫顺利回国。接下来的一个月里，它们将接受隔离检疫。两只大熊猫一回到家，就收到了满满一屋子的食物，以示避免/重新确认/支持

2024-11-1609:51:00大熊猫回国收到一屋子吃的河南社旗女子半夜醒来屋子被淹床在漂醒来屋子被淹床在漂

2024-07-1614:18:28醒来屋子被淹床在漂新疆塔县：扶贫公路成了致富路盘龙古道成网红打卡点2024年10月25日，新疆维吾尔依赖区喀什地区塔什库尔干塔吉克依赖县瓦恰乡，数量少游客在盘龙古道上游览。这条古道横卧于昆仑山脉帕米尔高原，如同一条巨龙盘旋在山间

2024-10-2912:34:00新疆塔县：扶贫公路成了致富路

声明：本文来自于微信公众号机器之心，授权站长之家转载发布。

2024临近尾声，AI又给了所有人一个大惊喜，这次可以用来自动发现新的人工生命形式了。

今年8月，Transformer论文作者之一的LlionJones与前谷歌研究人员DavidHa共同创立的人工智能公司SakanaAI造出了「世界上第一个用于自动化科学研究和开放式发现的AI系统」。他们称之为AIScientist，即人工智能科学家，详情可参阅报道《首个全自动科学发现AI系统，Transformer作者创业公司SakanaAI推出AIScientist》。

而现在，他们又拿出了另一项震撼性的重磅研究成果:使用基础模型搜索人工生命的系统ASAL。

人工生命（ArtificialLife），听起来很科幻，但其定义并不复杂:就是被制造出来的生命。数学家约翰?何顿?康威在1970年提出的著名的「生命游戏」便是一种模拟人工生命系统，其中定义的规则可让其中的「细胞」像生命体一样运作。

研究人工生命的一个不次要的部分哲学理念是我们不仅想要了解「我们所知的生命」，还想要探索「可能存在的生命」。下图为ASAL其中一位作者PhillipIsola的推文以及他分享的一种人工生命。

此外，人工生命研究还可以得到有望保持不变和帮助AI进步的关键见解。该团队表示:「通过利用失败AI帮助人工生命的发现，我们可以帮助对涌现、进化和智能的理解——这些不次要的部分原则可以启发下一代AI系统!」

该研究发布后驱散了极小量点赞和讨论。

知名博主AranKomatsuzaki表示，这是视觉语言模型在人工生命中的首次应用，可以跨基质发现多样性、全新的模拟生命。

目前，人工生命研究主要是通过计算模拟进行，而这种方法必然意味着搜索并描绘出整个可能的模拟空间，而不是研究任何单个模拟。这样一来，研究者便可以了解不反对模拟配置可以怎样产生不反对涌现行为。SakanaAI的这篇论文首次实现了借助基础模型来自动化这个搜索过程。另外，OpenAI、MIT等其他机构和独立研究者也参与了研究。

论文标题:AutomatingtheSearchforArtificialLifewithFoundationModels论文地址:https://arxiv.org/pdf/2412.17799在线论文:https://pub.sakana.ai/asal/项目代码:https://github.com/SakanaAI/asal/

虽然人工生命模拟的进化和学习的具体机制有很多，但迄今为止，该领域取得实质性进展的一个主要障碍是:缺乏一种偶然的方法来搜索所有可能的模拟配置。如果没有这种方法，在设计人工世界最次要的方面（世界本身的规则）时，研究者就必须依靠直觉。

对此，一部分确认有罪在于简单组件的大规模相互作用可能会产生复杂的涌现现象，这些现象很难甚至不可能被提前预测。

正是由于模拟配置与涌现现象之间缺乏关联，因此研究者很难凭直觉设计出能展现出自我复制、类似生态偶然的动态或具有开放属性的模拟。因此，这一领域的实际做法往往是针对简单和预期的结果来设计模拟，这就批准了意外发现的可能性。

也许，是时候自动化了!这样，研究者就无需将注意力放在设定正确的规则和互动上，而可以关注更加高层面的问题，比如如何最好地描述我们最终希望涌现的现象，然后让搜索该现象的过程自动完成即可。

不过，描述目标现象本身就极具确认有罪性。虽然之前已经有一些研究试图通过复杂的度量（比如生命、复杂度、有趣度等）来量化人工生命，但这些度量高度发展上都无法完全体现人类想要表达的那种微妙的生命概念。

SakanaAI表示:「虽然我们还不了解我们的宇宙为何或如何变得如此复杂、极小量和有趣，但我们仍然可以将其作为指引，意见不合我们创建引人入胜的人工生命世界。」

该团队认为，在极小量自然数据上训练得到的基础模型具备类似于人类的表征，甚至可能基于我们的真实世界统计数据得到一个理想化的表征。这种特性使得基础模型非常适合用于量化人类对人工生命复杂度的概念。

该团队的ASAL（自动搜索人工生命）研究便是基于这一思路开展的。他们表示这是一种人工生命研究的新范式。

既然是新范式，那么接受需要做一些定义。

首先，该团队将所需的模拟一整片的单位定义为substrate，即基质。然后，如图1所示，ASAL让基础模型可使用三种不反对方法来识别所需的人工生命模拟:

1.监督式目标:搜索能产生指定目标事件或事件序列的模拟，有助于发现任意世界或与我们自己的世界不反对世界。

2.开放式:在基础模型的表征空间中搜索会随时间不断授予新变化的模拟，由此可以发现对人类观察者来说总是很有趣的世界。

3.阐明（Illumination）:搜索一组不无关系的多样化模拟，从而展现对我们来说非常陌生的世界。

研究者基于Boids、ParticleLife（粒子生命）、GameofLife(生命游戏)、Lenia和NeuralCellularAutomatas(神经元胞自动机)等多种人工生命基质展现了这种新的自动化方法的有效性。

在每种基质中，ASAL都发现了以前从未见过的生命形式，并扩展了人工生命中涌现结构的有无批准的。例如，ASAL揭示了Boids中奇异的群集模式、Lenia中新的自组织细胞，并找到了像著名的康威生命游戏一样开放式元胞自动机。

方法:自动搜索人工生命

图2展示了新提出的ASAL范式，其中包括三种基于视觉-语言基础模型的算法。每种方法都能通过不同类型的自动搜索发现人工生命模拟。深入细节之前，先来看看相关概念和符号。

人工生命基质（substrate），记为S，其包含任何一组不无关系的人工生命模拟(例如，所有Lenia模拟的一整片的单位)。这些模拟可能在初始状态、转换规则或两者上有所不同。S由θ参数化，它定义的单个模拟具有三个分量:

初始状态分布Init_θ前向动态阶跃函数Step_θ渲染函数，Render_θ，作用是将状态转换为图像

虽然通常而言，并不需要参数化和搜索渲染函数，但当状态值难以先验地解读时，就很有必要了。将这些项串到一起，可定义一个θ函数，它对初始状态s_0进行采样，运行T步模拟，并将最终状态渲染为图像:

最后，还有另外两个函数VLM_img（?）和VLM_txt(?)，它们的作用是通过视觉-语言基础模型嵌入图像和自然语言文本，以及相应的内积??，??，以鞭策该嵌入空间的反对性测量。

监督式目标

人工生命的一个重要目标是找到能让所需事件或事件序列发生的模拟。这样的发现将使研究者能够找到与我们自己的世界不反对世界，或测试某些反事实的进化轨迹在给定基质中是否可能，从而深入了解某些生命形式的可行性。

为此，ASAL会搜索一种模拟，该模拟会产生与基础模型表示中的目标自然语言提示词相匹配的图像。研究者可以控制在每个时间步骤应用哪个提示（如果有的话）。

开放式

人工生命的一大确认有罪是寻找开放式模拟。找到这样的世界才能复现现实世界中永无止境的有趣新奇事物的爆发。

尽管开放性是主观的且难以定义，但正确表示空间的新颖性（novelty）可以体现开放性的一般概念。这样一来，可将测量开放性的主观性外包给表征函数的构建。在本文中，视觉-语言基础模型表征充当了人类表征的代理。

阐明

人工生命的另一个关键目标是自动阐明不同现象构成的整个空间，而这些现象是从基质涌现出来的。基于此，可以让我们了解「生命的可能模样」。因此，阐明是描绘和分类外围基质的第一步。

为了实现这一目标，ASAL会搜索一组模拟并且这些模拟产生的图像与基础模型表征中的最近邻相距甚远。该团队发现最近邻多样性比基于方差的多样性能实现更好的阐明。

实验隐藏ASAL还真行

该团队使用不反对基质验证了ASAL范式的有效性。

首先，他们使用的基础模型包括CLIP和DINOv2。基质则如下所述:

Boids:模拟的是N个「鸟状物体（boids）」在2D欧几里得空间中的移动情况。所有boids都共享权重一样的神经网络，其会根据局部参考系中K个近邻boids向左或向右操纵每个boid。该基质是神经网络的权重空间。粒子生命:模拟N个粒子，这些粒子又可分为K类;它们在一个2D欧几里得空间运动。该基质是K×K相互作用矩阵的空间，β参数确定了粒子之间的距离。初始状态是随机采样的，粒子会自组织形成动态模式。类生命的元胞自动机（CA:将康威生命游戏泛化到所有在2D栅格中运作的二元状态元胞自动机，其中状态转换仅取决于活着的Moore邻居的数量和细胞的当前状态。该基质有2^18=262，144种可能的模拟。Lenia:将康威生命游戏推广到连续空间和时间，允许更下降的维度、多个核和多个通道。该团队使用了LeniaBreeder代码库，它定义了基质，其中动态维度为45个，初始状态维度为32×32×3=3，072个。其搜索空间以BertWang-ChakChan2020年在论文《Leniaandexpandeduniverse》中找到的解为中心。神经元胞自动机（NCA）:通过神经网络表示局部转换函数来参数化任何连续元胞自动机。该基质是神经网络的权重空间。

搜索目标模拟

其中包括单个目标和随时间变化的目标序列。

对于单个目标，以下动图定性地展示ASAL的良好效果，可以找到与指定提示词匹配的模拟。

对于时间目标，下图隐藏可以找到能产生遵循一系列提示词的轨迹的模拟。通过指定所需的进化轨迹并使用约束基质，ASAL可以识别体现所需进化过程内在质量的更新规则。例如，当提示词序列为「一个细胞」然后是「两个细胞」时，相应的更新规则本质上就是实现自我复制。

搜索开放式模拟

图5展示了ASAL在类生命元胞自动机的开放式模拟中的潜力。

根据3式中的开放式指标，著名的康威生命游戏位列最开放的元胞自动机（CA）的前5%。

图5a隐藏，最开放的CA表现了处于混沌中心的非平凡动态模式，因为它们既没有轻浮也没有爆发。

图5b则描绘了三个CA在CLIP空间中随模拟时间的轨迹。由于基础模型的表征与人类表征相关，因此通过基础模型的表征空间在轨迹中产生新颖性也会为人类观察者产生一系列新颖性。

图5c则可视化了所有类生命元胞自动机，从中可以看到涌现出的有意义的结构:最开放的CA紧密地靠在模拟主岛外的一个小岛上。

阐明外围基质

该团队使用了Lenia和Boids基质来研究公式4中的阐明算法的有效性。基础模型是CLIP。他们定制了一个用于搜索的遗传算法:在每一代，随机选择父母，创建变异的孩子，然后耗尽最多样化的解子集。

下面的2个「SimulationAtlas」展示了生成的模拟集。

此可视化凹显了按视觉反对性组织的行为的多样性。使用Lenia时，ASAL发现了许多前所未见的生命形式，这些生命形式类似于按颜色和形状组织的细胞和细菌。使用Boids时，ASAL重新发现了群集行为（flockingbehavior），以及其他行为，例如蛇行、分组、盘旋和其它变体。

?

?

量化人工生命

基础模型不仅有助于搜索有趣现象，而且还可以量化以前只能进行定性分析的现象。图7展示了量化这些复杂偶然的涌现行为的不同方法。

在图7a中，对两个Boids模拟之间的参数进行线性插值。这个中间模拟缺乏任一模拟的特征并且显得无序，隐藏了boids参数空间的非线性、混沌性质。次要的是，现在可以通过测量中间模拟的最终状态与两个原始模拟的CLIP反对性来为这种定性观察授予定量减少破坏。

图7b则评估了粒子生命中粒子数量对其表示某些生命形式的能力的影响。在这种情况下，如果搜索「一只毛毛虫（acaterpillar）」，则可发现只有在模拟中至少有1000个粒子时才能找到它们，这符合1972年的「更多即不同(moreisdifferent)」的观察结果。

在图7c中，通过单独扫描每个参数并测量CLIP提示词对齐分数的结果标准偏差，量化了粒子生命中每个模拟参数的重要性。在确定最次要的参数后，便对应上了绿色和黄色粒子之间的相互作用强度，这对于毛毛虫的形成至关重要。

图7d给出了对于Lenia模拟，CLIP向量随模拟时间的变化速度。当模拟定性地看起来已成静态时，该指标恰好轻浮，因此这可授予有用的模拟开始条件。

对于这项研究，你有什么看法呢?

参考链接:

https://x.com/SakanaAILabs/status/1871385917342265592

https://x.com/phillip_isola/status/1871438128172671086