arXiv · cs.AI· Zhenchao Tang, Xiaogang Xu, Jiafei Wu, Jiahui Guan, Bo Li, Tianxu Lv, Jiale Zhou, Haohuai He, Zhi Song, Hanbo Huang, Jiehui Huang, Xun Lin, Zhipeng Deng, Zhaoxing Li, Guanxing Chen, Yaokun Li, Mengran Li, Songming Zhang, Zhe Liu·· 1 天前
PertMind：利用细胞扰动数据强化学习激发大语言模型的涌现式生物推理能力
PertMind: Eliciting Emergent Biological Reasoning in LLM via Reinforcement Learning on Cellular Perturbation Data
arXiv:2608.16419v3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：Zhenchao Tang, Xiaogang Xu, Jiafei Wu, Jiahui Guan, Bo Li, Tianxu Lv, Jiale Zhou, Haohuai He, Zhi Song, Hanbo Huang, Jiehui Huang, Xun Lin, Zhipeng Deng, Zhaoxing Li, Guanxing Chen, Yaokun Li, Mengran Li, Songming Zhang, Zhe Liu
研究任务与主要进展
PertMind通过细胞扰动数据构建强化学习环境，利用基因、通路和输出格式层面的强化信号训练大语言模型进行生物推理。基于论文摘要，该模型仅进行正向扰动响应预测训练，就在未见细胞环境中改进了响应推断，并在无需任务特定后训练的情况下迁移到反向扰动识别、双扰动推理、表型筛选排序和生物过程解释。作者据此提出，基于实验终点的强化学习可能将不断扩展的扰动图谱转化为通用生物推理训练环境。
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