下一分子整理 AI 制药 Benchmark 清单 AIDD Bench Atlas,收录 85 项评测资源
下一分子整理并发布 AI 制药 Benchmark 清单 AIDD Bench Atlas,收录 85 项覆盖通用科研、靶点发现、分子设计、临床前、临床分期、注册和上市后等环节的评测资源。
推荐理由:清单把分散在靶点发现到上市后的 85 项评测资源按阶段和对象归类,便于对照选用。
下一分子整理并发布 AI 制药 Benchmark 清单 AIDD Bench Atlas,收录 85 项覆盖通用科研、靶点发现、分子设计、临床前、临床分期、注册和上市后等环节的评测资源。
推荐理由:清单把分散在靶点发现到上市后的 85 项评测资源按阶段和对象归类,便于对照选用。
牛津大学Krish Ramadurai与Abhirup Banerjee在《npj Drug Discovery》发表综述,用TechBio 3.0概括将多模态AI、生成式化学与自动化实验接入同一反馈体系的研发方式,并区分1.0性质预测、2.0靶点发现与分子生成、3.0实验反馈持续更新模型与设计。
推荐理由:文章以综述框架梳理多模态AI、生成式设计与自动化实验的闭环,并借两个企业案例说明证据边界。
英矽智能发布DDDBench Core,从Foundations的300余项基准中选出59项,覆盖五个药物研发领域,并提供实时榜单。通用模型榜单中GPT-6 Astra暂列第一;其2.6B与4B的MMAI Gym专用模型在单步逆合成、ADMET、Kinome和GPCR预测等特定任务上超过专用工具与通用模型。
推荐理由:英矽智能从300余项基准中筛出59项,覆盖五个药物研发域,并给出通用与专用模型的实时榜单对比。
英矽智能Fedor Galkin与Alex Zhavoronkov团队在Cell发表研究,构建首个面向衰老生物学的开放基准LongevityBench,含17项任务、覆盖临床记录、DNA甲基化、转录组、蛋白质组与遗传学五大数据域,共25457个评测提示。
推荐理由:该研究用17项任务评测18个前沿模型解读衰老组学数据的能力,并比较领域微调小模型与通用大模型的表现差异。