SelectBench 首个分子选择性基准:九个生成式 SBDD 模型脱靶甄别均不达标
dom_beaini · x · 2026-10-24
arXiv 论文 2610.24124 提出 SELECTBENCH,首个在「选择性」语境下评估结构化药物设计(SBDD)生成模型的基准——分子能结合正确的靶蛋白，却可能同时结合不该结合的蛋白，带来严重副作用。
- 三个评估任务：文献案例研究、制药界实际使用的安全筛选 panel、大规模基于结构的评估集
- 评估对象：九个代表性 SBDD 模型，含专门为选择性训练的方法与常用的推理时引导(inference-time guidance)技术
- 结论：即使是选择性训练的模型，脱靶甄别能力也只有中等水平；推理时引导带来的提升有限，说明该方向亟需方法改进
作者包括 Alan Aspuru-Guzik、Kirill Neklyudov、Marta Skreta 等。
「研究」频道最新
- 开源全栈触觉感知生态 OpenTac 发布，可跨机器人形态迁移 — anand_bhattad · 2026-10-25
- 新研究：先净化再对齐，去掉局部相关信息反而提升扩散模型 — LucaAmb · 2026-10-25
- 鼠标涂鸦秒变规整线稿:草绘图「预数字编码」转换演示 — debreuil · 2026-10-25
- Anthropic x Adaptyv 蛋白设计赛新任务:设计类 Ozempic 药物 — AllThingsApx · 2026-10-25
- Vik Paruchuri 回应「自评登顶可疑」：全部分数开源可审计 — VikParuchuri · 2026-10-25
- Datalab 发布 OmniParseBench：16,288 项测试横评开源 OCR — VikParuchuri · 2026-10-25