ProteinDPO 用偏好对齐解决蛋白模型对齐问题
bravo_abad · x · 2026-08-23
Talal Widatalla 等人提出 ProteinDPO，将 LLM 的直接偏好优化（DPO）应用于蛋白质语言模型，解决模型内部偏好与工程实际需求（如稳定性）不匹配的问题。
核心方法：
- 使用约 66 万条实验稳定性测量数据作为偏好数据。
- 模型通过对比更稳定与较不稳定的变体序列进行学习，而非仅对好样本微调，从而保留了预训练获得的大量通用知识。
结果：基于 ESM-IF1 微调后的模型，在偏好对齐方面表现提升。
「研究」频道最新
- Prompt Injection 损失极小？攻击成本降低或带来新风险 — joshua_saxe · 2026-08-23
- 硬核移植：将 Ninfer 移植至 CMP 170HX，Qwen 性能翻倍 — ubrtnk · 2026-08-23
- Claude 与 Codex 闯关 Cayley 666 难题：为何越来越难 — AndLukyane · 2026-08-23
- 研究：错误配置的 Admin 提示可击穿安全层 — Simple_Passion_7741 · 2026-08-23
- 7500 行代码教你从零训练现代语言模型 — tom_doerr · 2026-08-23
- 文章解析从形式语义到知识图谱与 Agent 的演进 — adnan_hashmi · 2026-08-23