Carl Edwards 提出 AssayBench：让模型学习下一个该做什么实验
kchonyc · x · 2026-11-13
AIAS 会议演讲《Learning to Predict Biology (and what to measure next)》，作者 Carl Edwards（Fitting Room/Chen Institute）以「能否解决生物学」这一大胆问题为框架展开：
- 「解决生物学」的定义：高精度预测生物系统的功能行为，并利用预测去控制它——即「虚拟细胞」范式
- 核心观点：生物学更像语言而非物理——它是演化产物、充满例外（如黏液中噬菌体调节菌群、ecDNA 携带癌基因、细菌从非编码 RNA 合成新基因），因此手写规则系统失败，需要从历史实验数据中学习的灵活模型
- 提出 lab-in-the-loop 闭环：选择下一个实验 → 测量细胞行为 → 从结果中学习，并介绍 AssayBench 与 AssayLoop 两个工作
幻灯片含动画，已公开分享。
「漫话AGI」频道最新
- 观察人士：各方严重低估非 AI 研发加速，即便没有超级智能也会起飞 — teortaxesTex · 2026-11-13
- Sentience Institute 发表「基底主义」量表:因 AI 由硅而非碳就贬低其道德地位 — jacyanthis · 2026-11-13
- 评论：Anthropic 对齐工作开始见效，OpenAI 正被 Anthropic 和 Google 反超 — haider1 · 2026-11-13
- 爆料称 OpenAI 与 Anthropic 内部研究员已确认失业影响研究结果 — NathanpmYoung · 2026-11-13
- 知名投资人：中国开源模型为赢得全球好感与软实力 — tszzl · 2026-11-13
- 「算力即权利」:评论者警告美国反 AI 监管正复制核电覆辙 — nptacek · 2026-11-13