待验证50% 置信基准精确时间

在以蛋白质稳定性奖励预言机为目标的反向折叠任务中，Spectral Feedback对预训练模型使稳定蛋白质数量提升32.3%

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/28

首次发现

有效期至：2026/12/27

来源

Spectral Feedback：让蛋白质扩散模型学会自我纠错

涉及实体

Spectral Feedbackconcept

相关事实

待验证论文报告在不借助预训练权重的情况下，图神经网络仍能胜任蛋白质拓扑预测任务68% 相似待验证以列表为单位的处理能力使蛋白质结构预测能够纳入自动化研发管线，而非作为一次性计算实验执行65% 相似待验证在强化学习流程中，模型需要不断生成候选输出（rollout），这些输出被评估打分后反馈回训练过程以更新策略63% 相似待验证AlphaFold2通过引入注意力机制（Evoformer模块）和等变神经网络将蛋白质单体结构预测精度提升到接近实验级别63% 相似已验证微调（Fine-tuning）通过反向传播算法在预训练权重基础上继续更新参数，使模型适应特定领域或任务风格62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/955543

API

curl https://kongchang.com/api/v1/knowledge/claims/955543

MCP

get_claim(id=955543)