抗体发现 Benchmark 发布：100 项评测考验 AI 智能体科研决策
kenbwork · x · 2026-09-03
新发布的 Antibody Discovery Benchmark 旨在测试 AI 智能体能否在治疗性抗体发现的各阶段做出科学决策。
- 规模：100 项评测，覆盖来自真实药物项目的十大领域——靶点与模态选择、实验设计、结合物发现、结合表征、细胞药理学、抗体工程、临床前候选去风险等。
- 核心理念：抗体发现是多参数、依赖上下文的过程，亲和力必须与特异性、稳定性、溶解度、表达量和生物活性一起考量。
- 关键陷阱：每个测量结果都必须放在产生它的实验系统背景下解读——展示富集可能反映扩增偏差而非真实结合；对纯化抗原的强结合未必能转化为对细胞表面天然环境中的识别。
所属事件:LatchBio发布抗体发现基准，100项评测考核AI科研决策(5 条相关)→
「研究」频道最新
- 作者推测:真实训练中模型可能自发学会感知探针存在 — Sauers_ · 2026-10-18
- 训练策略复盘:只训最后几层避免移动目标,数据越多泛化越好 — Sauers_ · 2026-10-18
- 训练后模型能感知激活探针存在,并跨 GPU 零样本泛化 — Sauers_ · 2026-10-18
- 模型可学会分辨训练与部署状态,并泛化到没见过的运行时 — Sauers_ · 2026-10-18
- 模型从第 34 层激活差异学会识别训练环境,跨运行时泛化 90%+ — Sauers_ · 2026-10-18
- 单个注意力头像开关:靠抵消放大探针的微小激活差异 — Sauers_ · 2026-10-18