Evo 2 上下文学习设计噬菌体基因组，无需微调超越精调模型

garykbrixi · x · 2026-10-29

发表于 Zenodo 的研究《Efficient biological design via genomic in-context learning》显示，基因组语言模型 Evo 2 涌现出 in-context learning（ICL）能力，可直接用于生物设计：prompt 中仅给 4 个示例、不做任何额外训练，即可生成逼真的金属结合蛋白、从头抗体、蛋白-RNA 系统乃至完整噬菌体基因组。

在 ΦX174 噬菌体设计任务上，ICL 在设计质量与多样性的计算指标上超越了此前微调过的模型；换用不同噬菌体 prompt 还能在不微调的情况下设计 MS2 和 M13 基因组。作者进一步提出「genomic chain-of-thought」——用新生成的噬菌体基因组迭代更新 prompt，在保持质量的同时进一步提升多样性。配合可将生成加速最高 35 倍、上下文扩展至兆碱基级的推理引擎，ICL 成为生物序列设计的高效新范式。作者还提供了代码与 web app。