一项名为BEND 2.0的新基准已被推出,用于评估DNA语言模型在预测突变效应和指导序列设计方面的能力。该基准包含五个实验数据集的八项任务,显示尽管线性读出和训练后可以提高模型性能,但在特定上下文和多目标设计方面仍存在挑战。研究结果表明,基因组基础模型具有普遍的实用性,但尚未在最基本任务中达到最佳性能。 AI
影响 该基准将有助于推进用于生物序列设计和突变预测的AI模型的开发和评估。
排序理由 该条目描述了一个与DNA语言模型相关的新基准和研究发现,并以论文形式发表。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
- BEND 2.0
- context-specific design
- deoxyribonucleic acid
- Experimental datasets of networks of nonlinear oscillators: Structure and dynamics during the path to synchronization
- functional post-training
- Genomic Foundation Models
- Hugging Face
- Language Models
- linear readouts
- MachineLearningLifeScience
- Multi-ObjecTive design Optimization of fluid eneRgy machines
- Mutation effects predicted from sequence co-variation
- Post-Training
- Sequence design and correlation
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →