arXiv 论文：扰动预测模型能否学到基因互作？
原文标题：Do Perturbation Predictors Learn Gene Interactions? Diagnosing Extrapolation in Agentic Screening
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
一篇 arXiv 论文研究高通量扰动筛选中的基因组合外推问题：当两个基因各自在训练中出现、但其组合未出现时，标准 OOD 方法往往失效。作者提出「加性分歧」（AD）指标，用模型预测与单基因效应相加基线的差值衡量额外互作效应，发现偏离加性基线越大的预测误差越大，且 AD 在多个数据集和模型上比常规置信度信号更稳定，可用于指导智能体扰动筛选流程。
- 问题
- 预测未见基因组合效应时，标准OOD方法因单基因均熟悉而失效。
- 方法
- 提出加性分歧AD，用模型预测与两单基因效应之和的差值衡量额外互作，替代常规置信度信号。
- 结果
- 在八种方法与三个Perturb-seq数据集上，专用神经预测器未稳定超过简单加性基线，AD跨设置保持有效。
- 影响
- 做扰动筛选的团队可用AD判断哪些组合预测不可信，指导智能体实验优先级。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。