一项新研究调查了生物推理模型是否真正利用了它们所提供的生物输入,超越了基准准确性来分析模型行为。研究发现,像BioReason和BioReason-Pro这样的模型,尽管序列或细胞表示编码了相关信息,但它们往往更依赖于伴随的生物文本,而不是序列或细胞表示。研究表明,当前的训练后方法不能保证基础模型的输入对任务性能有意义的贡献,并且准确性的提高并不总是与对生物证据的更多使用相关联。 AI
影响 引发了对生物推理模型的可解释性和真实能力的问题,表明需要改进评估方法。
排序理由 分析模型行为和性能的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →