跳到正文
arXiv · ML· 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·· 2026-10-07AI 评分21

PertMind:通过细胞扰动数据强化学习激发LLM的生物涌现推理

PertMind: Eliciting Emergent Biological Reasoning in LLM via Reinforcement Learning on Cellular Perturbation Data

AI 导读

PertMind将细胞扰动图谱转化为强化学习环境,利用实测基因反应提供计算奖励,结合可信轨迹监督初始化与基因、通路及格式级强化信号。 该模型仅在正向扰动响应预测上训练,却提升了未见细胞背景下的响应推断,并无需任务特定后训练即可迁移至反向扰动识别和双扰动推理。 结果支持基于实验终点的强化学习可集中预训练模型中已具备的可复用生物策略,为将实验图谱转化为通用生物推理训练环境提供可扩展路径。

来源:arXiv · ML · arxiv.org