斯坦福 Evo 2 基因组模型实现上下文学习，可少量样本设计基因序列
anshulkundaje · x · 2026-10-31
Stanford Brian Hie 团队宣布基因组语言模型 Evo 2 的 in-context learning（ICL）系列预印本已上线 bioRxiv。
核心发现
- 基因组语言模型也能像 LLM 一样，仅凭提示中的少量示例学会新任务，无需重训练
- 用几个示例即可生成蛋白质、de novo 抗体、CRISPR-Cas9 位点、线粒体基因组乃至完整噬菌体基因组
- 可将合成序列迭代串联成「思维链」（CoT），达成更难的设计目标
两篇预印本
- 《Few-shot regulatory sequence design with a genomic language model》：少量样本的调控序列设计
- ICL 与 CoT 从分子尺度扩展到基因组尺度
工程进展：Evo2-flash 已作为 Proto 平台（含 Web 应用与 MCP）的默认 Evo 2 后端，推理栈升级显著提升体验。
「研究」频道最新
- AI 圈老手疾呼：不会做评测，就别谈改进任何东西 — omarsar0 · 2026-11-01
- UC Berkeley 论文：让 Agent 定期清空记忆，成绩最高提升 39% — alexcovo_eth · 2026-11-01
- UniT 框架让统一多模态模型学会多轮规划、检查与迭代精炼 — burkov · 2026-11-01
- MBZUAI 与北大定位 LLM 情绪神经元：激活即 99.65% 命中目标情绪，ICML 2026 接收 — alex_verem · 2026-11-01
- Bittensor 子网跑通 100 步全去中心化 RL：跨 12+ GPU 模型修正采样噪声 — const_reborn · 2026-11-01
- 连续比特流扩散逼近自回归模型,作者称其将是下一个大方向 — LucaAmb · 2026-11-01