Folia
← 返回头版

研究发现Claude大模型大规模使用蛋白质序列训练,显著优于其他前沿LLM

一项最新研究揭示,Anthropic旗下的Claude系列模型(包括Opus 5.5和Fable 5.2)在训练过程中包含了大规模的蛋白质序列数据 1。该发现表明,最新的Claude模型具备类似专业蛋白质语言模型的序列学习能力 1。相比之下,GPT、Gemini及其他主流开源大语言模型在此任务上表现接近随机猜测,未显示出类似迹象 1。此外,这种知识能泛化到训练截止日期后发布的新蛋白质家族中 1。

为了验证这一假设,研究人员构建了包含来自167个Pfam功能未知家族的668个细菌和古菌蛋白质的测试集 1。实验结果显示,Claude Fable 5.2在真实蛋白质序列上预测下一个氨基酸的正确率为54%,而在打乱顺序的序列上仅为9% 1。相比之下,GPT系列、Gemini以及包括DeepSeek V4.1 Flash在内的七个开源权重模型在该测试中的正确率接近零 1。值得注意的是,Claude Opus 5.5的表现与最大的开源蛋白质语言模型ProtGPT3-10B相当 1。即便面对假设训练截止日期(2026年7月1日)之后发布的新型蛋白质家族,Claude模型仍能保持较高的预测能力 1。


评论