Rohan Paul 评 Intology Locus：自动化科研系统在分子设计任务上超越 GPT-6 Astra 与 Claude Opus 5.5 智能体

Rohan Paul· @rohanpaul_ai · X·2026-11-04 01:05· 27 分钟前AI 评分54

AI 导读

Rohan Paul 转评 Intology 的自动化科研系统 Locus，称其在分子预测任务上胜过 GPT-6 Astra 和 Claude Opus 5.5 智能体。Locus 承担机器学习研究员的工作：提出实验、在 GPU 上并行跑多批实验、保留有效结果并迭代，目前应用于药物和抗体设计；引用内容称其在分子性质预测、微调 Boltz-2 做小分子效力预测以及围绕 BoltzGen、Boltz-2、ESMC、ESMFold2 的抗体设计工作流上均超过 SOTA 基线。

正文 · 原文

一个 AI 系统刚刚设计出了比那些模型所属实验室打造的专业工具更好的分子模型。

@intology 的 Locus 承担机器学习研究员的工作：
> 提出实验，
> 在 GPU 上并行运行多批实验
> 保留有效结果并重复，
> 现已应用于药物和抗体设计。

Locus 在分子预测上击败了 GPT-6 Astra 和 Claude Opus 5.5 智能体

引用Intology@intology

Locus 树立了自动化分子设计的前沿我们的自动化研究系统 Locus 开发的科学 AI 模型性能超越 SOTA 专家方案释放科学 AI 的潜力需要利用专有数据。Locus 能自主实现这一点 🧵👇 -- 我们在多个与分子评分和设计相关的任务上测试 Locus：为一项专有任务训练分子性质预测模型、微调 Boltz-2 以预测小分子效力，以及围绕 BoltzGen、Boltz-2、ESMC 和 ESMFold2 构建抗体设计工作流。这些场景都是真实的 AI for science 用例，其中任务对现有基础模型往往属于分布外，且数据有限，同时评估器昂贵且噪声大。与最先进的基线和为优化这些任务而设置的 LLM 智能体相比，Locus 取得了更高的性能。此外，尽管数据有限，Locus 的泛化能力更好，能找到更样本高效的解决方案，并探索更多样化的解决方案。

在 X 查看被引用的帖子

来源：Rohan Paul · x.com