研究称 Claude 训练数据包含大规模蛋白质序列
一项博客研究称,最新 Claude 模型在大规模蛋白质序列上训练过:给 Claude Fable 5.2 或 Opus 5.5 一个研究极少的细菌蛋白质开头,它们能预测下一个氨基酸;把序列打乱后则不能。测试集为 167 个 Pfam 未知功能家族的 668 个细菌和古菌蛋白,每个蛋白切 5 处、预测后 10 个氨基酸并只评第一个。Opus 5.5 真实序列准确率 34.9%,打乱后 7.5%。Fable 5.2 优于所有被测开源蛋白质语言模型,Opus 5.5 与最大的 ProtGPT3-10B 持平;GPT-6.…
推荐理由看一个具体数字:打乱序列后准确率从 34.9% 掉到 7.5%,说明模型学到的是序列本身而非文献描述。