一项发表在arXiv上的新研究调查了预训练数据过滤对蛋白质语言模型(特别是ESM-2系列)的影响。研究人员发现,从训练数据中移除病毒蛋白会显著降低模型在病毒蛋白任务上的性能,但对非病毒蛋白的性能影响不大。这种效应在更大的模型中更为明显,但通过适度的计算资源和对移除数据的访问进行微调,可以恢复性能。 AI
影响 证明了蛋白质语言模型中的数据过滤可能具有选择性的破坏性,但并非防止微调的持久性保障。
排序理由 在arXiv上发表的研究论文,详细介绍了模型训练的发现。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →