Nature 子刊:校准指标后,深度学习基因扰动模型可胜过基线
VectorInst · x · 2026-10-02
《Nature Biotechnology》发表简讯:此前有基准报告称深度学习基因扰动预测模型甚至跑不赢无信息基线,但该研究发现问题出在评测本身。
- 作者提出正对照基线与指标校准框架,覆盖 14 个数据集、18 个指标。
- 常用指标(如 MSE、Pearson Δ)普遍存在校准不良,对正向模型性能的敏感性下降。
- 在校准良好的指标下,深度学习扰动模型确实能超越无信息基线。
这是对 2025 年 8 月「深度学习扰动预测不敌简单线性基线」结论的重要修正,属于 AI for Science 中的评测方法论研究。
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
- 研究者称其真实同行评审是只问全球顶尖两三人,会议评审是噪音 — taiyasaki · 2026-11-19
- 写给政策制定者的 AI 评测入门:看榜单前先问这五个问题 — sethlazar · 2026-11-19
- WeightBench 基准:让 LLM 直接读写神经网络权重 — Aayush Marasini · 2026-11-19
- 研究:40份开源LLM技术报告仅4份交代多次训练运行 — Bahaeddin Türkoğlu · 2026-11-19
- 实测:GPT-5.6 Luna 重排 100 篇文档几乎不比 20 篇强,成本 5 倍 — eshorten300 · 2026-11-19
- Contra Labs 发布设计基准:神秘模型 Gestalt 力压人类金牌作品登顶 — yuwen_lu_ · 2026-11-19