Claude 竟被大规模训练过蛋白质序列
Claude was trained on protein sequences at scale

最新测试显示,Claude Fable 5.2 和 Claude Opus 5.5 在预测罕见细菌蛋白的下一个氨基酸时表现惊人,准确率远超其他模型。当我们将蛋白序列打乱后,这些模型立刻失效,证明它们并非死记硬背论文,而是真正从海量 UniProt 序列数据中学习了蛋白质语言。相比之下,GPT 和 Gemini 在此任务上几乎为零。这意味着最新的 Claude 模型不仅懂文本,其训练数据中包含了大量蛋白质序列,使其具备了类似 ProtGPT3 的蛋白质语言模型能力,甚至能预测那些从未被研究过的蛋白家族。
最新的 Claude 模型了解那些几乎无人研究的蛋白质家族,这需要大量的序列数据,而不仅仅是几个例子:蛋白质序列构成了它们训练数据的重要部分。
HN 评论区
32- eddiewithzato
Claude 现在直接屏蔽该领域的所有内容。连处理我自己的 DNA 数据,都有 50% 的概率触发 opus 5.5 的拦截。
- consumer451
https://wallhop.io/http://xinmingtu.cn/blog/2026/claude-opus...
- zodwick
这算是一项有价值的技能吗?抱歉,可能是个小白问题,但我最近看到关于蛋白质序列的讨论很多。
- HackerThemAll
毫无疑问,除了 Gemini 可能例外,其他所有模型肯定都在 SciHub 以及从 torrent 和其他来源下载的所有书籍和数据上训练过。这可能包括泄露的个人数据和专有版权材料,来源可能来自任何地方,甚至包括暗网。再加上公开的专利注册库,以及那些书籍收购和扫描活动。
我敢肯定,所有这些公司都存储并备份了它们能找到的所有东西,以确保这些内容无法被收回。
- octoberfranklin
好奇:对于“打乱顺序”的蛋白质,怎么会有下一个元素的“正确”预测呢?打乱的蛋白质在现实中并不存在,那凭什么说一个答案是正确的,另一个是错误的?