跳到正文
原文
bioRxiv 预印本· Shah, P., Panchali, R., Mody, P., Sanghvi, M., Narvekar, M., Karani, R. ·· 7 天前AI 评分22

蛋白质语言模型审计:重复引导、ESMFold置信度与激活读出能否真正预测候选质量

The Confessions of a Protein Language Model: Steering, Activations, and What Predicted Confidence Cannot Certify

AI 导读

一项预印本审计发现,重复引导在操作点可维持ESMFold置信度,但alpha_50=1.240x处出现拟合悬崖(扫描自身对照为64.0%)。未引导的生成器激活可预测置信度门控(ROC-AUC 0.786±0.004),支持成本感知的模型特异性分诊;但在组成与长度匹配的设计-打乱配对中,实验稳定性的平衡准确率区间均未排除随机水平,提示预测门控并不等于可折叠性。

来源:bioRxiv 预印本 · biorxiv.org