热点事件持续更新

研究人员提出用于自回归生成的蛋白质潜语言表征

1 篇报道1 个报道来源6 小时前更新

先了解这件事

AI 综述

2026年10月，研究人员提出蛋白质序列潜语言（PLL）与结构潜语言（SLL），并基于此分别预训练了自回归 Transformer 模型 PLLM 与 SLLM。测试表明，PLLM 的计算缩放指数达到 0.038，优于传统氨基酸模型的 0.020；SLL 则将序列到结构预测的最佳验证困惑度降低了 34%。此外，在长蛋白质生成方面，其潜 token 采样速度相比基于 MSA 的 AlphaFold2 提高了约 1,000 倍。

AI 根据报道生成 · 5 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

10月6日

12:00
arXiv 机器学习
学习用于自回归生成的蛋白质潜语言
研究人员提出蛋白质序列潜语言 PLL 与结构潜语言 SLL，并分别预训练了自回归 Transformer 模型 PLLM 与 SLLM。测试显示 PLLM 的计算缩放指数达 0.038（优于氨基酸模型的 0.020），SLL 则将序列到结构预测的最佳验证困惑度降低 34%。对于长蛋白质，其潜 token 采样速度比基于 MSA 的 AlphaFold2 快约 1,000 倍。

本事件热度走势

当前热度 9·可比范围峰值 10（10月6日 13:00）·近 24 小时可比范围变化 –

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。