待验证50% 置信事实精确时间
语言模型用于蛋白质序列生成的核心思路是将氨基酸序列视为由20种字母组成的文本，在大规模蛋白序列数据库上做自回归或掩码预训练
1
来源数
50%
置信度
长期有效
时效性
2026/10/20
首次发现
来源
涉及实体
相关事实
待验证大语言模型可以将序列信息与文本知识联合推理，在发现弱同源性或功能类似但序列差异较大的蛋白家族时具有优势，区别于专为序列比对设计的工具如BLAST、HMMer67% 相似待验证通过训练专门的分类模型可以捕捉AI生成注释的语言模式特征63% 相似待验证大语言模型在处理复杂或冗长的结构时容易出现类型退化，会把本应是数组的字段序列化成JSON字符串发送60% 相似待验证在AI大模型时代，Token是一种信息单位（词元），大语言模型通过分词器将输入文本拆分成Token序列59% 相似待验证离散掩码扩散借鉴BERT的掩码语言建模思路，训练时对序列随机掩码并还原，推理时从全掩码序列多步迭代填充，代表工作有MDLM、SEDD59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1077191API
curl https://kongchang.com/api/v1/knowledge/claims/1077191MCP
get_claim(id=1077191)