基准测试显示前沿模型在抗体热稳定性预测上差异很大
DeryaTR_ · x · 2026-07-25
Frontier 模型在抗体热稳定性预测上差异明显
配图展示了一项 抗体热稳定性预测 基准，结论是：最新一代前沿模型并不总是优于前代，尤其在科学任务上更明显。
- 图中 Opus 4.8 排名第一，Spearman 相关系数 0.366。
- GPT 5.5 为 0.277，GPT 5.6 Sol 为 0.216。
- Gemini 3.1 Pro 仅 0.075，Grok 4.5 为 0.037。
- 这条帖子的核心观点是：做药物发现等科学任务时，按任务逐项基准测试 比只看总体印象更重要。
「研究」频道最新
- HarnessMM 论文：缓存已定决策,Agent Token 消耗降 88% 成功率反升 — omarsar0 · 2026-10-26
- 黑盒蒸馏五步法：从教师模型到学生模型的完整流程拆解 — chrisrohlf · 2026-10-26
- DetectorScope：用稀疏自编码器把黑盒 AI 文本检测器变得可审计 — _akhaliq · 2026-10-26
- OPST 论文：无需人工数据，模型仅凭自生成问答实现自我提升 — _akhaliq · 2026-10-26
- 上交大提出 VaM：用价值预测作记忆，机器人连续 4 小时自主作业成功率超 95% — chris_j_paxton · 2026-10-26
- 用小开源模型逆向工程游戏二进制:主 agent 中途重写子 agent 的 harness — yb2698 · 2026-10-26