深度学习扰动模型在经校准指标下可超越基线

【摘要级】研究提出阳性对照基线与指标校准框架，在14个数据集和18项指标上发现均方误差、Pearson Δ 等常用评测指标常存在校准偏差，对模型真实性能的敏感度偏低。在经良好校准的指标下，基于深度学习的遗传扰动模型能够超越无信息基线。该结论基于摘要报告的评测设置，未涉及具体模型与实验细节。