返回资讯中心
外部精选
ai-models
#大模型#国内动态#资讯#RSI#上海交大#无界前沿

高难盲测超越GPT-6-Astra与Opus-5!无界前沿开源Fx-Bio-1031,把RSI带进生命科学

在另一道高难题中,输入直接甩过来2,700个肿瘤样本、206万个单核苷酸变异(SNV)、96个突变通道,既不给参考库,也不指定算法,要求找出乳腺癌队列合并统计下贡献最高的COSMIC SBS突变签名。

量子位思邈2026/11/13 · 4 天前2 分钟阅读中文

以下正文同步自 量子位,版权归原站所有,已转换为易读排版。

在另一道高难题中,输入直接甩过来2,700个肿瘤样本、206万个单核苷酸变异(SNV)、96个突变通道,既不给参考库,也不指定算法,要求找出乳腺癌队列合并统计下贡献最高的COSMIC SBS突变签名。

Fx-Bio自己在本地测试环境中解析突变矩阵与SBS参考签名谱、开展非负最小二乘(NNLS)数学拟合、调起官方工具交叉验证、再跑200次Bootstrap抽样和跨版本复核,完成76步分析操作,精准锁定答案。

在基于BioMaster平台开展的一项细菌测序分析测试中,模型需要根据输入的测序reads(原始测序读段),推断菌株的鞭毛H抗原式(相当于给未知细菌做精准身份分型)。

Fx-Bio在启动分析前的底层数据质检中,敏锐地抓出了一个极其隐蔽的工程Bug:R2测序文件的最后一条记录里,碱基序列长度与质量值长度根本对不上!

它主动写脚本剔除了这条损坏记录,随后调用专业工具SeqSero2完成预测;中间遇到首次运行报错,它当场自我诊断、修复管线,全程连续跑完258步、耗时34.5分钟,最终交出一份完全可追溯的交付报告。

一个模型凭什么能在如此琐碎、硬核、容错率极低的专业领域里,展现出老练研究员般的直觉与工程韧性?

答案,藏在无界前沿一以贯之的核心信仰里:RSI(Recursive Self-Improving,递归自我改进)。

今年,从谷歌传奇元老Jeff Dean离职创办Discovery Loop,到硅谷一众华人学者创立Recursive Superintelligence,全球最顶尖的AI大脑都在押注同一件事:当人类专家出题和判卷的速度,已经彻底跟不上大模型进化的胃口。

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →