首页财产阐发评论ai正文 Anthropic最新博客：生物学Agent的瓶颈不于模子，而于数据基础举措措施 近日Anthropic发表文章指出，生物数据基础举措措施掉队拦阻生物学AI Agent成长，如病毒学范畴，检索繁杂，gget virus等东西可晋升不变性与正确率。 2026-06-10 07:27 ·呆板之心 呆板之心编纂部 呆板之心编纂部 AI投资人解读· 文章指出拦阻生物学AI Agent成长的瓶颈于在生物数据基础举措措施掉队，如文件格局、数据库分离等，致使其成长慢在Coding Agent。以病毒学为例，检索流程繁杂，Agent履行使命成果不不变。研究团队开发gget virus，晋升了Agent检索正确率与不变性。· 生物数据基础举措措施设置装备摆设难度年夜今朝模子于处置惩罚生物数据时正确性及可复现性不足。总结：改善生物数据基础举措措施对于AI Agent介入生物学研究至关主要，虽有进展，但仍需解决诸多问题，将来要构建更不变靠得住的数据基础举措措施，鞭策生物学范畴成长。内容由AI天生，仅供参考

当前，Coding Agents 于软件工程范畴一起高歌大进，科学家们看到此场景，也不由寄与厚望：AI 智能体什么时候能以一样的速率，帮人类霸占药物设计、病毒监控与生物学建模的重重难关？

然而，一个残暴的实际是，AI 于生物学范畴的成长要比编程范畴慢患上多……

近日，Anthropic 发表了一篇新科学博客 ——《为生物学智能体摊平门路》（Paving the way for agents in biology），文章指出：拦阻生物学 AI Agent 发作的瓶颈，底子不于在年夜模子底座的推理能力不敷强，而于在人类现有的生物学数据基础举措措施其实是太掉队了。

是以，假如但愿 AI Agent 真正介入生物学研究，生物数据基础举措措施必需变患上更合适 Agent 利用。

这篇文章由 Laura Luebbert 撰写，她是一名生物学家与呆板进修研究员。

成心思的是，Laura Luebbert 吐露，这篇博客是于 Karpathy 官宣插手 Anthropic 以前一周就完成的，由于文中部门内容触及 Karpathy ，还有担忧 Anthropic 会不会感觉这篇「Karpathy 味」过重。没想到的是，就于她把初稿发给 Anthropic 的统一天，他们就官宣了……

下面，咱们就来具体看一下，这篇文章是怎样阐发的？

现有生物数据基础举措措施，对于 Agent 来讲太难走了

作者用了一个颇有意思的类比，让 AI Agent 去操作生物数据基础举措措施，有点像开车穿过一座于汽车呈现前就建好的老城：这座都会或许很美，计划也有其专心的地方，但内里处处是狭小、盘曲的街道，现代车辆难以顺流通行。对于应到生物数据范畴，就是各类独有的文件格局、分离的数据库，以和一次性的检索剧本。

固然，你也能够试着给这座都会补上交通标记、泊车场，甚至偶然拓宽几条门路，但它最基本的结构仍旧难以通行，缘故原由于在它原本就是为另外一种交通方式设计的。

比拟之下，软件基础举措措施险些自然就合适「汽车」，也就是 Agent 利用：铺好的门路、清楚的车道、尺度化旌旗灯号，以和撑持从出发点到尽头快速通行的体系，也就是版本节制、文档清楚的 API 及保证理器。

是以，Coding Agent 的成长速率较着快在生物学 Agent。

软件范畴凡是具有布局化的数字事情流及靠得住接口，而计较生物学顶用在数据检索及验证的基础举措措施，往往懦弱、异构，而且高度依靠详细流程。对于应的，用来操作这些基础举措措施的东西，也就不能不变患上定制化，而且只合用在特定范畴或者特定假定。

此外，软件可以给出轻易测试的成果，并能快速编译及验证。例如，一个 Agent 可以经由过程天生补钉来解决 GitHub issue，只要补钉经由过程项目测试，就能判定是否有用。但于生物学中，这类简朴、可验证、同时又成心义的奖励旌旗灯号其实不多。

以是，生物学 Agent 的瓶颈不只于推理能力，也于在缺乏一种广泛可用简直定性履行层，来撑持对于生物数据的查询。科学家可以很天然地表达本身的用意，好比「找到所有带有这个布局域的人类激酶，并拉取它们的布局」。但 Agent 往往缺乏一条靠得住路径，去拜候那些包罗所需信息的数据库。

于生物学及科学事情流中，纵然很小的过错，也可能带来严峻后果。好比，从过错的基因组版本中提取坐标，可能会让后续的生物学注释掉效；无心中混用 RefSeq 及 GenBank 记载、把部门基因组看成完备基因组、混合分节病毒的片断名称，或者者由于元数据字段纷歧致而遗漏相干记载，也均可能造成一样的问题。

科研的美感及难点正于在此：细节往往极为要害。

是以，假如但愿 Agent 真正帮忙科学发明，就需要对于生物数据基础举措措施举行设置装备摆设。

Karpathy 关在 Web 开发的「吐槽」，及生物学 Agent 面对的是统一问题

作者认为，Agent 的需求与人类构建的东西之间存于错配，其实不是生物学范畴独占，只要把 Agent 放进那些彻底缭绕人类利用习气设计的情况里，近似的磨擦就会呈现。

几个月前，Karpathy 于一场关在 AI 时代软件开发的演讲时吐槽，他用 Vibe Coding 写了一个小型 Web 运用，但让它真正跑起来时，身份验证、付出、部署这些环节，让他花了一周时间于阅读器后台处处点击。

为此，Karpathy 感触：「代码反而是最轻易的部门！年夜部门事情都于阅读器里，靠点击完成。」贫苦的是「打开这个 URL，点击这个下拉菜单。」

结论是：咱们必需为 Agent 从头构建这些流程。

这恰是生物学研究职员早已经持久面临的痛点：咱们试图让智能体系于一套为人类点击阅读器而设计的情况中事情，而这个情况布满了异构信息、隐含商定及各类需要人工操作的流程。

案例研究：病毒学里的「点击税」

早于 AI Agent 呈现以前，计较生物学家及遗传学家就已经经最先开发传统计较生物学东西，试图减缓这个问题。Biopython、BioPerl、BioJulia、Entrez Direct、BioMart、gget 以和很多其他事情流库，都是为了把生物数据从阅读器界面中解放出来，让研究职员可以直接对于这些数据举行计较。

但问题于在，生物数据其实不存放于同一数据库，也没有同一接口，更像一张杂乱的门路收集：每一条路都有本身的标识符、商定、格局、筛选逻辑及步伐拜候能力。有些数据可以很利便地经由过程步伐挪用，有些则坚苦患上多。

病毒学则是难度较高的场景之一。从疫苗设计、诊断试剂开发，到为卵白模子构建练习数据，许多研究事情流的第 一步，都是从 NCBI Virus 中检索序列。NCBI Virus 是一个病毒序列记载调集，搜集了来自 GenBank、RefSeq 及国际 INSDC 生态体系的数据，此中也包括 Pathoplexus，并经由过程一个可搜刮的网页界面提供拜候。

介入病毒疫情监测东西设置装备摆设的研究职员很是清晰，这些检索流程暗地里隐蔽着几多专家常识。于病毒学试验室里，缭绕 NCBI Virus 的数据集收拾申明，经常因此一长串繁杂筛选前提的情势传播。用户必需于网页界面中手动复现这些前提。

而这恰是 Karpathy 所诉苦的那类「阅读器点击式事情流」。

文章以 2026 年 5 月中旬刚果宣告暴发的 Bundibugyo 埃博拉病毒疫情为例，申明了这一环境。

当一线研究职员测序出首批突发疫情的病毒基因组后，全世界大众卫生官员需要当即回覆三个刻不容缓的问题：

这类新毒株与汗青上的埃博拉病毒比拟，变异有多年夜？

现有的诊断试剂盒还有能正确把它检测出来吗？

现有的抗体药物及疗法是否依然能掩护患者？

而要回覆这些问题，阐发的第 一步必需是前去 NCBI Virus 数据库，将新基因组与汗青数据举行比对于。

然而，于病毒学试验室里，构建这类比照数据集的过滤前提很是繁杂，往往作为长长的列表由科学家之间人肉通报。研究职员必需于繁杂的 Web 界面中手动勾选数十个过滤器。对于在人类来讲这异样枯燥，而对于在旨于经由过程主动化晋升效率的 AI Agent 来讲，的确是一场灾害……

Agent 本身测验考试检索，会发生甚么？

作者暗示为了理解 Agent 及数据库之间的鸿沟，研究团队构建了一个基准测试 VirBench，包罗 120 个真实气势派头的病毒序列查询使命，笼罩 40 种病原体，并配有人工验证的尺度谜底。使命来自病毒监测、诊断试剂设计、卵白模子练习数据构建等现实场景。

好比此中一个使命要求 Agent 从 NCBI 检索 TaxID 3052462 对于应的 Zaire ebolavirus 序列，并满意一系列前提：宿主是人类，采样所在于非洲，采样时间于 2014 年 1 月 1 日到 2014 年 6 月 20 日之间，序列长度至少 15200 个碱基，恍惚字符 N 不跨越 1900 个，并解除试验室传代样本。

当 Agent 自力完成这些查询时，成果差异很年夜。

Claude Sonnet 四、Claude Opus 4.七、Biomni、Edison Analysis、GPT-5.2-pro、GPT-5.5 的平均正确率从 16.9% 到 91.3% 不等。也就是说，前沿模子体现更好，但即便云云，也没有不变到达靠得住数据集构建所需的正确性及可复现性。

对于这种使命来讲，尺度险些必需靠近 100%。由于遗漏或者多拿一笔记录，就可能影响诊断试剂是否笼罩当前风行病毒多样性，或者者影响对于疫情出发点的判定。更贫苦的是，统一个模子于不异问题上反复运行三次，常常会给出差异很年夜的成果。

于上面的埃博拉病毒查询使命中，尺度谜底是 266 条序列，但 Claude Sonnet 4 三次运行别离返回了 106 条、15 条及 5 条。提醒词彻底不异，成果却高度不不变。

这类不不变会直接影响下流阐发。研究团队用这些序列构建体系发育树，用来揣度疫情中差别病毒样本之间的瓜葛。此中一个主要指标是近来配合先人时间，也就是 TMRCA。人工致理的数据集揣度出的时间是 2014 年 1 月，及既有研究一致；但 Sonnet 4 检索出的部门数据集较着不完备，甚至有一次把配合先人时间推回到 1922 年。

另外一个例子触及抗体疗法。研究职员检索埃博拉病毒糖卵白序列，不雅察 maftivimab 及 MBP134 这种抗体药物靶向区域是否呈现过突变。

成果显示，Sonnet 4 三次运行给出了三种差别印象：第 一次靠近人工查询成果，第二次遗漏年夜部门突变位点，第三次又夸大了一组差别残基。

这申明，于科学研究中，看似只是检索细节的小差异，可能转变生物学结论。Agent 往往理解了使命，也愿意测验考试履行，但缺乏一种呆板可操作、可验证、可反复的路径。终极谜底可能看起来很合理，倒是错的。

而这特别伤害，由于序列检索凡是是更永劫间生物事情流程的第 一步……

gget virus：给病毒数据检索加一层确定性东西

为相识决这个问题，研究团队及 NCBI 研究职员互助开发了gget virus，方针是把病毒数据检索酿成 Agent 及人类均可以直接挪用的不变东西。

一最先，这好像只是把几个 API 接起来，但现实环境繁杂患上多。NCBI Virus 是一个笼罩多个底层资源的流派，这些资源又漫衍于多个国度维护的国际同步序列数据库中。一个看似简朴的查询，往往需要从多个处所拼接信息。

为了复现 NCBI Virus 网页界面的举动，gget virus 需要协调 REST、Datasets、E-utilities 等差别 API，它会判定哪些筛选前提可以经由过程现有 API 完成，哪些必需于当地查抄，由于网页界面提供的一些筛选逻辑，并无袒露于单一步伐接口中。

它还有会处置惩罚批量检索，确保 SARS-CoV-二、甲型流感这种年夜范围数据集被完备取回，而不会由于分页或者半途截断而遗漏记载。假如筛选前提依靠另外一个数据库里的增补信息，好比 GenBank 记载中某个序列是否包罗特定病毒卵白，gget virus 会取回这些记载，用它们完成过滤，并把相干 GenBank 信息生存于终极输出中。

终极，gget virus 输出的是人及呆板都能读取的尺度化成果，并带有具体日记，申明成果是怎样孕育发生的。如许一来，Agent 给出的谜底再也不只是「看起来合理」，而是可以查抄、复现及审计。

插手 gget virus 后，所有 Agent 的正确率都晋升到了 90% 以上，GPT-5.5 最高到达 99.7%。屡次运行之间的颠簸也基本消散，差别模子之间的机能差距较着缩小。也就是说，一个确定性的检索层，让模子选择变患上没有那末要害。

这一点很主要。靠得住的数据集构建不该该依靠最新、最贵的模子，也不该该依靠研究职员知道哪一个模子最合适哪一个数据库。更自制的模子加之适合东西，也能够削减不不变性，让更多人得到靠得住能力。

真实的启迪：科学 Agent 需要「无聊但靠得住」的底座

于文章的末了，作者夸大，模子于天生假定、设计试验、推理机制时应该有创造力，但支撑这些创造力的底层部门，好比基因标识符、schema、检索逻辑、坐标体系、元数据商定、数据拜候路径，必需充足不变、确定、可复现。

gget virus 只是一个例子，将来更年夜的标的目的，是为生物数据构建一类「上下文引擎」：靠得住、可被 Agent 拜候的数据基础举措措施。近似摸索也已经经呈现于 ToolUniverse、Edison Scientific 的 Robin、Biomni 以和其他生物医学 Agent 体系中。

固然，作者也认可，假如沿着上面试验成果所出现出的模子能力曲线继承往前推，可以想象，于不远的将来，像gget virus这种东西可能会显患上「没那末须要」：Agent 变患上充足强，可以或许本身穿过杂乱的流派网站、协调差别标识符、准确处置惩罚分页，并从掉败中恢复过来……到了阿谁时辰，东西框架或许就再也不是必须品。

但即便 Agent 可以或许做到，也不料味着每一一次都应该让它来处置惩罚，而且从头发现一遍流程。一个模子或许可以硬闯繁杂杂乱的生物信息学事情流，但对于在一样平常科研事情来讲，这类方式仍旧可能太贵、太慢、太难审计，也太难让人安心。

并且，即便将来 Agent 真的让今天这些东西框架变患上过时，这个教训对于生物数据库依然建立：当咱们思索用户是谁时，必需把 Agent 纳入思量；当咱们设置装备摆设体系时，也必需面向范围化利用来设计……

更多内容可查看文章原文相识！

参考链接：

https://x.com/AnthropicAI/status/2064054837294354677

https://www.anthropic.com/research/agents-in-biology

https://x.com/NeuroLuebbert/status/2064055392016212080

【本文由投资界互助伙伴呆板之心授权发布，本平台仅提供信息存储办事。】【免责声明】：本文不组成任何投资建议。市场有危害，投资需审慎。若有任何疑难，请接洽（editor@zero2ipo.com.cn）投资界处置惩罚。