网友实测：前沿 LLM 或在蛋白质数据上做过训练，变体排序接近 ESM2
alex_peys · x · 2026-11-15
用户 @atharvjay872 做了一项实验：不给 LLM 任何工具调用或联网，仅提供 453 个 SOD1（渐冻症相关蛋白）突变体的氨基酸序列和实验类型，让模型预测被扣留的二聚化实验读数。结果显示其自建的 agent「Astra」大致达到 ESM2 的排序预测水平，落后于 ESM3。
这引出一个猜测：前沿实验室是否在用蛋白质语言模型（PLM）的数据做后训练？可能是模型在海量公开生物语料上涌现出的能力（作者感叹 bitter lesson），也可能直接蒸馏了 PLM 的输出。
alexpeys 进一步提出验证方法：各家 LLM 若在蛋白质数据集上训练过，输入蛋白序列并要求做 20% 仍可正确折叠的编辑，再用 AlphaFold 等折叠模型检验，不同模型间会出现显著方差，从而暴露谁训过蛋白质数据。目前仅为推测，未获实验室证实。
「模型」频道最新
- 文心 Ernie 5.5 Flash 预览版现身 RuneBench，号称接近 GLM 5.2 水平 — mariofilhoml · 2026-11-15
- 双 DGX 工作站跑 GLM-5.3：并发 16 达 607.8 tok/s，32 并发延迟飙至 453 秒 — petrusenko_max · 2026-11-15
- 网传 Gemini 4 Hydrogen 定位 Agent 快执行,真伪存疑 — feblet · 2026-11-15
- Gemini 4 Carbon 登顶 MathArena,但价格是 GPT-6.1 Sol 的 15 倍 — The Decoder · 2026-11-15
- Anthropic:老式提示词习惯拖慢 Opus 5.5,弃用「think hard」改从 Medium 档起步 — The Decoder · 2026-11-15
- Anthropic IPO 路演图引热议：Mythos 或可用零头算力重训 — Witty_County5128 · 2026-11-15