arXiv · cs.AI· Vincenzo Yuto Civale, Andrew David Bagdanov, Alberto Magi·· 11 小时前
五款DNA基础模型超越序列组成的学习信息在57个基因组分类数据集上的评估
What DNA Foundation Models Learn Beyond Sequence Composition
arXiv:2610.15711v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Vincenzo Yuto Civale, Andrew David Bagdanov, Alberto Magi
研究任务与主要进展
研究评估五种DNA基础模型的冻结表示是否超越简单序列组成提供预测信息，并与归一化k-mer频率及匹配的Random Forest协议比较。NTv3在57个基因组分类数据集中的46个上带来改进，平均ΔMCC为+0.072，而其他多数模型未改善平均MCC；基于论文摘要，简单k-mer特征仍与多数模型具有竞争力，6-mer保持的精确洗牌实验还揭示了任务相关的序列顺序敏感性。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org