Nature Methods 发文讨论生物医学基础模型的评估困境
这篇文章讲的是生物医学基础模型的评测方法：为什么单看排行榜分数不够，以及评测该怎么做才测得出真正的泛化能力。
生物医学基础模型越来越多，但榜单高分到底代表什么？海森堡大学、纽约大学等团队在 Nature Methods 发文，以单细胞基础模型（scFMs，从海量单细胞数据中学习细胞状态通用表示的模型）为例，指出传统「挑几个任务、算几个指标、排个榜」的做法不足以反映模型的泛化能力，并提出改进评测的建议。
正文摘录
.jpg) 编辑丨& 生物医学近年来最热闹的场景之一，便是那些不断涌现的全新大模型。有人用它预测蛋白质结构，有人让它理解基因组序列，也有人试图把单细胞数据塞进一个能够处理各种生物学任务的基础模型里。模型越来越大，任务越来越多，榜单上的数字也越来越漂亮。 但很少有人回答，一个基础模型在某个 Benchmark 上拿到高分，究竟意味着什么？ 2026 年 9 月 4 日，德国海森堡大学、美国纽约大学等团队在《 Nature Methods 》上发表了「 Benchmarking biomedical foundation models 」专门讨论了生物医学基础模型的评估困境。 文章认为，传统的「选几个任务、算几个指标、排一个排行榜」的方式，对于基础模型这样具有广泛适应能力的系统来说，可能已经远远不够。对模型价值的探讨可能不只是在排行榜上，更是要讨论 怎样的测试，才能真正测出模型有没有学到可以泛化的生物学知识。  论文链接： https://www.nature.com/articles/s41592-026-03182-y 如何了解一个模型 传统机器学习的评估逻辑相对直接。准备训练集，让模型学习；