Yiyao Yang

新框架测试基因组序列预测中AI模型的鲁棒性

研究人员开发了一个新框架，用于评估基因组学中机器学习模型的鲁棒性，特别是用于监管序列建模。研究强调，虽然像CNN和Transformer这样的深度学习模型在标准条件下表现良好，但在面对真实世界分布变化（如细胞类型、测定协议或测序伪影的变化）时，它们会表现出显著的性能下降和校准失败。提出的框架结合了机械模拟基准和真实数据分析，以识别这些鲁棒性差距，并提出结合生物结构先验和不确定性感知的选择性预测可以提高模型可靠性。