Xaira 认为药物发现模型要因果数据，不只是堆规模
Latent Space · rss · 2026-07-22
这期 Latent Space 讨论的是 Xaira 的 X-Cell 药物发现模型，以及“因果建模为什么需要因果数据”这个核心问题。
- 团队发现：当模型只在一个相对有限的数据集上训练时，规模继续变大后会很快碰到信息上限——测试损失趋于平坦，但训练损失还在下降。
- 为了突破这一瓶颈，他们构建了更丰富的数据集 X-Atlas，数据来自大规模 CRISPR 实验。
- 这些实验让可用信息量提升了大约 30 倍，模型因此又重新具备了继续靠参数和算力扩展的空间。
- 节目还讨论了团队为什么从自回归转向 diffusion，以及该系统如何泛化到真实的人类细胞实验，并且优于此前的线性基线。
这条内容的核心判断是：生物 AI 的关键可能不是单纯堆参数，而是拿到更“因果”、更富信息量的数据。
「研究」频道最新
- DONIC 双手机器人追踪成功率 86.79%，远超此前 SOTA 的 9.43% — liuziwei7 · 2026-10-27
- 为什么没有更多 10M 上下文模型?研究者抛出注意力机制疑问 — agarwl_ · 2026-10-27
- 研究者吐槽:论文里 PSNR 低于 15dB 基本是用错了指标 — kwangmoo_yi · 2026-10-27
- Ortet 首批医疗评测:34 个开源模型 50 项任务,通用排名不够用 — thegautamkamath · 2026-10-27
- Scaling 拟合之争:Uncheatable 计入输出头 FLOPs,Paloma 剔除,最小档差距高达 65% — dlwh · 2026-10-27
- Marin 作者详解 scaling law 公式：难点在小模型阶段估渐近线 — dlwh · 2026-10-27