Protein Characterization Workflows

AI联合科学家工作流：LLM选择主导蛋白质表征准确性

一篇新的arXiv论文探讨了在蛋白质表征的AI联合科学家工作流中，灵活性与推理之间的权衡。研究发现，大型语言模型（LLM）的选择显著影响了预测质量，Opus模型的准确率达到92-94%，而o4-mini模型的准确率为40-50%。近端策略优化（PPO）策略以零token成本和完美的连贯性提供了近乎前沿的准确率（88%），但缺乏推理过程。对于常规任务，建议使用确定性策略以获得准确性和可重复性，而LLM更适合开放式发现。