Thal-Kak 统一接口：混合 5 种预测器精度超越 AlphaFold3
DaveJuergens · x · 2026-08-25
CSSB-SNU 实验室发布了 Thal-Kak，这是一个统一的接口，可以通过单个输入文件运行五个全原子结构预测器。
核心发现：
- 在固定采样预算下，将预算平均分配给 Boltz-2、Chai-1、Protenix v1/v2 和 ESMFold2 的混合模型，其采样出的结构质量优于任一单一预测器，同时也击败了 AlphaFold3。
- 局限性：这种增益存在于“神谕”视角下，但在实际筛选中会丢失。不同预测器的置信度分数不可转移，混合池在 Top-1 选择策略下会失去优势。
工具特性：
- 共享 MSA 和通用输出架构。
- 提供 Google Colab Notebook，开箱即用。
- 支持从输入 FASTA 生成 MSA、运行多种子预测、基于置信度筛选 Top-5 模型并进行松弛。
「研究」频道最新
- 只训练投影器即可扩展新模态，Llama 能力不退化 — rohanpaul_ai · 2026-08-25
- ARC 方法提升开放环境中群体强化学习的公平性 — ant-intl · 2026-08-25
- 通过概念缩放和密集监督提升扩散模型图像编辑能力 — inclusionAI · 2026-08-25
- 腾讯发布 GameXpert-Bench，评测智能体游戏开发全流程能力 — Tencent-Hunyuan · 2026-08-25
- Thinky 发起开放权重模型安全研究资助，单项最高 5 万美元 — ZhongRuiqi · 2026-08-25
- REGRIND：用人体轨迹初始化提升灵巧操作强化学习样本效率 — HaozhiQ · 2026-08-25