研究者呼吁开源模型训练数据归因：LLM 已被证实记住 Cas9 等序列
anshulkundaje · x · 2026-10-23
一条围绕生物信息学研究者 Anshul Kundaje 的讨论指出：对开源模型做训练数据归因（training data attribution）会非常有价值。
已有证据表明 LLM 能记住普遍存在的蛋白质（如 Cas9、GFP）以及 DNA 序列（如 Alu、Shine-Dalgarno），这引发了对模型记忆与泛化机制、以及数据来源透明度的研究兴趣。
「研究」频道最新
- 科学美国人揭秘 OpenAI 百万美元数学证明背后的故事 — scientificamerican · 2026-10-23
- UCSC 等发布 ALPS 编码器：一套视觉 token 统一状态、语言与像素 — cihangxie · 2026-10-23
- 用 EmbeddingGemma 2 做语音转写：1 小时音频本地 13 秒完成 — GlennCameronjr · 2026-10-23
- Motoniq 让 VLA「反思自己的思考」：Perturbed LIBERO 成功率 92% 远超对手 — hbouammar · 2026-10-23
- Sasha Rush 吐槽「Vibe ML 论文」：先整活再补一章理论分析 — srush_nlp · 2026-10-23
- NeurIPS 论文 LSA:可学习谱激活让 INR 重建质量全面超越 SIREN/FINER — orlitany · 2026-10-23