arXiv cs.AI· Tian Cai, Andrew Kleist, Jaimin Patel, Duccio Malinverni, Alexander K. Taylor, Malvika Sharan, Renato Umeton, M. Madan Babu·· 1 天前AI 评分32
AI for Biologists：智能体时代生物基础模型的知识边界
AI for Biologists: The Knowledge Boundaries of Foundation Models in the Age of Agentic Systems
AI 导读
一篇综述提出用数据、架构、训练方案、评估方案和分析后处理五个设计要素来界定生物基础模型的“知识边界”，即其输出可靠的输入、任务与条件范围。文章梳理了基于数百万核苷酸、蛋白质和单细胞测量训练的基础模型在预测蛋白质结构、突变效应和细胞响应上的成功与失败证据，并给出模型局限的标准化描述，以便研究者和替其执行任务的智能体可靠使用这些工具。
正文 · AI 翻译
摘要：人工智能（AI）正在改变生物学研究的方式。基于数百万个核苷酸、蛋白质和单细胞测量数据训练的生物学基础模型，能够预测蛋白质结构、突变效应以及细胞对遗传扰动的响应。智能体系统——基于大语言模型构建的 AI 助手——可以根据自然语言请求执行多步骤分析，并越来越多地将基础模型作为工具调用。然而，这些模型的输出何时可信往往并不明确。我们将此界定为模型的知识边界：即其输出可靠所覆盖的输入、任务和条件的范围。本综述阐释了基础模型是如何构建的，并提出五个设计要素（数据、架构、训练方案、评估方案和分析后处理）定义了该边界。我们考察了当前模型在何处成功或失败的证据，并提出了模型局限性的标准化描述，以便研究人员以及为其代行的智能体能够可靠地使用这些工具。
| 评论： | 将发表于 Annual Review Biomedical Data Science |
| 主题： | 生物分子（q-bio.BM）；人工智能（cs.AI） |
| MSC 分类号： | 92C40, 68T07, 92-08 |
| ACM 分类号： | I.2.6; J.3 |
| 引用为： | arXiv:2611.17015 [q-bio.BM] |
| （或 arXiv:2611.17015v1 [q-bio.BM] 为本版本） | |
| https://doi.org/10.48550/arXiv.2611.17015 arXiv 颁发的 DOI 经由 DataCite（待注册） |
提交历史
来自：Tian Cai [查看邮箱]
[v1]
2026年11月12日星期四 16:08:33 UTC（1,907 KB）
来源：arXiv cs.AI · arxiv.org