MapPFN获NeurIPS 2026接收

MapPFN是一种基于先验数据拟合网络（PFN）的模型，用于通过上下文学习预测因果扰动图谱。 该模型在合成生物先验上预训练，并结合真实单细胞数据微调，以应对新数据集和基因集，从而实现预训练与有限湿实验数据的解耦。 MapPFN的代码、模型及数据已开源，其论文已被NeurIPS 2026正式接收。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。