郭震 AI公众号:郭震AI

实时 AI 消息

OpenAI 发布 MedChemBench,考察 AI 能否在早期药物发现中挑对分子

OpenAI 于 11 月 20 日推出 MedChemBench,用于评估 AI 模型解读分子结构、依据实验证据推理并筛选化合物的能力,场景锁定在药物发现的早期阶段。它把“认识分子”和“做出取舍”分开考察,为化学与制药方向的模型比较提供了一把具体的标尺。

发布时间

11 月 20 日,OpenAI 发布 MedChemBench,并配文提出一个问题:AI 到底能不能帮科学家找到有希望的候选药物。按 OpenAI 的说法,这个基准衡量的不是模型记住了多少化学名词,而是它能否在分子结构与实验数据之间做出有依据的选择。

具体而言,MedChemBench 考察三类能力:解读分子结构、从实验证据出发进行推理、以及在候选化合物中做出取舍。这三步正好对应药物早期发现里最耗人力的环节——读结构、看数据、定优先级。

单独做领域基准的理由在于,化学与生物数据高度专业化,通用评测往往只能测出模型表层知识的多少。把“看得懂结构”和“推得动实验结论”拆开评分,才能看出模型究竟卡在哪一步。

对制药企业和 AI 药物发现团队来说,这类基准的价值首先是可比性。候选化合物的筛选依赖分散在文献、专利与内部实验记录中的大量证据,如果模型能稳定完成结构化解读与证据推理,就有机会在湿实验之前把候选范围收窄。

但基准终究是代理指标。MedChemBench 衡量的是模型在给定问题上做判断的能力,并不直接等于湿实验结果,更不等于临床结果;换句话说,高分意味着“值得进入下一轮人工复核”,而不是“这个分子会成”。

另一个观察点是评测本身的可信度。公开基准一旦成为优化目标,就容易出现针对题目分布的训练,能否保持区分度取决于题目更新和隐藏测试集的维护方式。

后续可关注三点:制药企业与模型厂商是否会把它当作公开对照,模型构建者会不会针对其失败模式做专门优化,以及 OpenAI 是否披露具体的模型得分与错误类型分析。

为什么重要

这类领域基准把药物发现中的模型能力变成可对照的分数,也让“模型能读结构”与“模型能推进项目”之间的差距变得可见。

微博邮件

OpenAIBenchmarkDrug Discovery
返回实时消息

附近消息

全部

11/20 08:00

Hugging Face 发布 harness adapters,让模型适配自己的执行框架

Hugging Face 博客 11 月 20 日发布《Introducing harness adapters》,介绍把模型适配到使用者自有 harness 的做法,目标是在提升表现的同时压低成本。博文把性能与成本并列写进标题,指向的是模型外面那层调用与评测框架的效率问题。

11/20 08:00

OpenAI 发布客户案例:Hebbia 预发布评测 GPT-6 Astra,称金融研究三项指标改善

OpenAI 企业博客发布客户案例,介绍金融研究平台 Hebbia 在预发布阶段对 GPT-6 Astra 的评测结果,称其在信源覆盖、引用相关性和呈现质量上均有提升。该案例未披露样本量与具体提升幅度,更多是方向性信号,而非可横向比较的基准成绩。

11/20 08:06

英国四家监管机构联名致函部长,要求个人 AI 智能体在上市前完成合规沟通

英国竞争与市场管理局、金融行为监管局、信息专员办公室和 Ofcom 通过数字监管合作论坛联名致函部长,指出个人 AI 智能体开发者的上市前沟通并不总是足够早、足够开放。四家机构要求企业在发布前解决欺诈、数据超范围共享和误导性建议等风险,并强调与智能体公司合作的金融、电信企业同样要承担自身义务。

11/20 08:43

Anthropic 七位创始人 IPO 套现近 20 亿美元,每人约 2.8 亿

TechCrunch 报道称,按每股 83 美元的 IPO 定价计算,Anthropic 的七位联合创始人每人套现约 2.8 亿美元,合计近 20 亿美元。这场被形容为创纪录的发行同时为公司募得近 1050 亿美元。