基准指标失准致误判,Nature 子刊论文为基因扰动深度学习模型正名
simocristea · x · 2026-10-02
一篇刚通过同行评审、发表于 Nature Biotechnology 的短论文指出:此前的基准研究称深度学习基因扰动模型跑不赢「无信息基线」,问题可能出在指标本身。作者提出阳性对照基线与指标校准框架,在 14 个数据集、18 个指标上验证发现:常用指标(如 MSE、Pearson Δ)频繁失准,对真实模型性能不敏感;在校准后的指标下,深度学习基因扰动模型确实能超越无信息基线。作者提醒,做基因表达基础模型预训练或基准测试的人都知道这项工作很难,评估指标的严谨性直接决定结论。
所属事件:Nature 子刊:校准指标后基因扰动深度学习模型可胜过基线(3 条相关)→
「研究」频道最新
- 顶级实验室的最大优势不是钱,而是帮你省下数年试错时间 — madeofAjala · 2026-11-19
- LEV 循环决策模型:2.6B 模型四轮推理准确率 63.2%→76.2% — jiqizhixin · 2026-11-19
- 单卡 36 小时、100B tokens 从零预训练 400M 稀疏 MoE 模型 — Tall_Abrocoma_3533 · 2026-11-19
- 研究者质疑 METR/Anthropic「2 倍加速」RSI 论证统计上站不住 — jessi_cata · 2026-11-19
- 用线性探针识别基座模型补全文本时扮演的人格,尚无人尝试 — cephaloform · 2026-11-19
- ETH 机器人 Anymal 阿尔卑斯山完成 10 公里全自主徒步 — ChongZzZhang · 2026-11-19