基因组模型 GPN-Star 登 Nature，2 亿参数击败 400 亿 Evo 2

UC Berkeley Yun S. Song 团队的基因组语言模型 GPN-Star 发表于 Nature。该模型用普通 self-attention 处理 DNA 序列上下文，并加入系统发生感知的 cross-attention，把进化关系直接注入模型，实现变异效应预测的 SOTA。凭借进化先验，仅 2 亿参数的 GPN-Star 击败了 400 亿参数的 Evo 2，显示先验设计胜过单纯规模堆叠。

2026-09-09 ~ 2026-09-10 · 3 条相关

• 基因组模型 GPN-Star 登 Nature：进化感知预测全基因组变异影响 — EricTopol · 2026-09-09
• 基因组语言模型 GPN-Star 登 Nature，变异效应预测达 SOTA — pastramimachine · 2026-09-10
• 2 亿参数击败 400 亿 Evo 2：进化先验胜过规模堆叠 — bravo_abad · 2026-09-10