热点事件观察中

研究：蛋白质语言模型接触图依赖残基字母身份

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

Paarth Batra 与 Aryan Keluskar 提出一个诊断框架：对氨基酸字母表做全局双射重标记，该变换保持列熵与成对编辑距离不变。他们用这一框架测试蛋白质语言模型的接触图预测，发现 ESM-2、MSA Transformer、AMPLIFY 等架构在 8M 至 3B 参数规模下，接触图在任意重标记后均失效。作为对照，Potts 模型和逆协方差估计器不受重标记影响。研究者据此称，蛋白质语言模型依赖显式的规范残基身份（“字母表锚定”），而非纯共进化统计。

AI 根据报道生成 · 10 小时前更新

最新进展11月14日 13:00

蛋白质语言模型在不变重标记下无法保持接触预测能力

报道时间线

沿着报道，了解事件的不同侧面。

11月14日

13:00
arXiv cs.AI
蛋白质语言模型在不变重标记下无法保持接触预测能力
研究提出基于氨基酸字母表全局双射重标记的诊断框架，该变换保持列熵与成对编辑距离不变，Potts 模型和逆协方差估计器均不受影响，但蛋白质语言模型未能通过测试。在 ESM-2、MSA Transformer、AMPLIFY 等架构及 8M 至 3B 参数规模上，pLM 接触图在任意重标记下均崩溃，表明模型依赖显式的规范残基身份（“字母表锚定”）而非纯共进化统计。

本事件热度走势

可比范围当前: 5
可比范围峰值: 711月15日 04:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。