基因组学研究者:大模型受限于数据质量,小模型仍是本地信号首选
anshulkundaje · x · 2026-09-19
AI for Science 研究者 anshulkundaje 在讨论基因组变异优先级排序模型时指出,更大的模型尚未真正展现潜力,原因是缺少合适类型的数据帮助其进一步突破——这也是其团队在本地信号(local signals)任务上坚持使用较小模型的原因。
他还反驳了将这些前沿工作贬为 "AI slop" 的说法,强调这些模型处于该领域真正的最前沿,其价值有待其他研究者用于变异优先级排序来检验。
所属事件:斯坦福专家评 DeepMind AVI：有竞争力但非颠覆，反驳「AI slop」(35 条相关)→
「研究」频道最新
- 小米 MiMo 提出 CodeSpecWeave:用相互依赖规格合成任务训练编程智能体 — XiaomiMiMo · 2026-11-02
- 谁把「用 AI 治愈癌症」讲得最具体？2025 年路线图正在成形 — iskander · 2026-11-02
- arXiv 论文证明 SGD 最优步长调度:单调递减的线性衰减是唯一极小极大最优解 — konstmish · 2026-11-02
- Karpathy 的 nanochat:100 美元从零训练出类 ChatGPT,星标近 6 万 — karpathy · 2026-11-02
- 读完 46 份资料后写出 Agent Evals 指南：自评 95 分的评测为何不可信 — blaizedsouza · 2026-11-02
- Meta 与 MIT 论文:循环复用 Transformer 层可胜过加深参数 — rohanpaul_ai · 2026-11-02