國產RNA生物大模型重大突破：中國科大團隊研發 structRFM 登上《自然》並全面開源
AI資訊AI新閒資訊正文國產RNA生物大模型重大突破：中國科大團隊研發 structRFM 登上《自然》並全面開源發布於AI新閒資訊時間 :Nov 5, 2026閱讀 :1分鐘中國科學技術大學研究團隊近日在生命科學與人工智能交叉領域取得重磅突破，正式推出名為 structRFM 的開源 RNA 序列基礎模型，相關研究成果已於近日榮登國際頂級學術期刊《自然》。為了推動全球科研生態的共同進步，研究團隊宣佈全面開源該模型的完整配對數據、模型權重以及源代碼，供全球科研人員無門檻免費使用。
核心背景:攻克 RNA 研究與新藥開發的底層痛點作為生物體內一類至關重要的核心大分子，核糖核酸（RNA）廣泛參與並調控著基因表達和蛋白合成的整個生命週期，是當前全球創新藥研發中繞不開的關鍵靶點。在微觀層面，RNA 分子通過鹼基配對形成複雜的二級結構，並進一步摺疊成特定的三維構象。正是這些三維和二級結構，直接決定了分子的生物學活性以及它們與其他分子的相互作用方式。然而，長期以來，精準解析 RNA 的結構與功能一直是生物信息學領域的難關。
架構與數據:2100萬條配對數據驅動的雙重預訓練為了破解這一難題，中國科大研究團隊另闢蹊徑，構建了約2100萬條經過精確計算註釋的序列-二級結構配對數據，為大模型的訓練奠定了海量且高質量的數據基石。在此基礎上，研發團隊精心設計了一套創新算法，使模型在預訓練階段能夠同時學習序列上下文信息與結構依賴關係。經過深度預訓練後，該模型展現出了極高的便捷性與泛化能力:研究人員僅需輸入基礎序列，模型便能自動且精準地提取出序列級、核苷酸級和核苷酸對級的三重特徵，從而高效支撐多種結構與功能推斷任務。
實驗成效:多項核心指標達到國際前沿水平在嚴苛的實驗與基準測試中，structRFM 展現出了令人矚目的全方位性能:零樣本分類與結構預測: 模型在零樣本同源性分類任務中表現優異，並顯著提升了 RNA 二級結構預測的準確性。三維構象協同優化: 當研究人員將其提取的特徵無縫融入三維結構預測模型後，顯著改善了三維立體構象及其對應二級結構的最終預測結果。生物功能精準推斷: 在實際應用功能推斷方面，該模型能夠出色地支持剪接位點預測、內部核糖體進入位點（IRES）識別以及非編碼 RNA 分類。
強悍的泛化與擴展能力: 面對新發現的 RNA 家族，模型依然保持了極佳的二級結構預測表現;通過靈活的分段策略，它還成功將應用邊界擴展至長非編碼 RNA 的分類任務中。此外，研究團隊通過細緻的消融實驗，進一步從科學層面驗證了結構信息的引入以及掩碼策略對模型整體性能提升的關鍵作用，為未來的算法設計提供了堅實的實驗數據支撐。隨著該模型的全面開源，全球科研力量將能夠依託這一全新工具，加速推進 RNA 結構解析與前沿生物醫藥的研發進程。
相關推薦德國環保搜索引擎Ecosia棄用Mistral，轉投中國開源模型：歐洲自主夢撞上現實德國搜索引擎Ecosia近日調整AI戰略，結束與法國AI招牌企業Mistral的合作，轉而採用包括中國開源模型在內的多種開源方案。此舉在歐洲科技圈引發波瀾。此前Ecosia曾把Mistral視為擺脫美國巨頭依賴的救命稻草，而該平臺長期以種樹和獨立為標籤，強調環保與技術自主。Oct 8, 2026220.2k小米發佈並開源 MiMo-V2.6:AA 智能指數46分登頂最強開源模型小米9月22日發佈開源全模態模型MiMo-V2.6系列（Pro/Flash），基於可驗證任務擴展強化學習，探索遞歸自我改進。
Pro版在Artificial Analysis綜合智能指數獲46分，超越Kimi K3與Qwen3.8Max，成最強開源模型；多數Agent基準比肩Claude Opus5與GPT-5.6Sol，但與最強閉源仍有差距。兩款模型Live RL訓練不足6天，成本約85萬和262萬元。Sep 22, 2026336.3k階躍星辰發佈Step5Preview，單任務成本僅為Claude Opus5的1/8階躍星辰發佈旗艦基座模型Step5Preview，面向AI編程、軟件工程、專業知識及金融等場景，提升Agentic任務表現並平衡智能、成本與效率。
該模型在AA綜合智能指數中躋身全球開源模型前三，單任務成本僅為Claude Opus5的1/8，採用稀疏MoE架構，計劃10月15日正式開源。Sep 20, 2026269.7k千問 Qwen3.8-27B 登頂 Hugging Face，成該平臺史上最受歡迎開源模型9月16日，阿里千問Qwen3.8-27B在Hugging Face最受歡迎開源大模型榜單登頂，超越FLUX.1、DeepSeek-R1、Kimi-K3、Meta-Llama-3等。該榜以開發者點贊為評選口徑，反映真實偏好，而非跑分或參數規模，成社區史上最受歡迎開源模型。Sep 16, 2026315.
6k上海 AI Lab 開源多模態基礎大模型書生-S2：Memory Decoder 插拔記憶，科學長程任務對標頂尖閉源上海AI實驗室開源書生-S2，通用能力居開源第一梯隊，生物、材料、化學等科學長程任務比肩頂尖閉源模型。其採用Memory Decoder架構，配備可插拔專業記憶模塊，如“外掛大腦”，按需插入專業記憶即可深耕領域，無需重訓，且不影響原有通用能力。Sep 15, 2026261.5k智啟未來，您的人工智能解決方案智庫English簡體中文繁體中文にほんご© 2026
Related
相關文章
剛剛，Claude Code產品一姐加入OpenAI！
智東西 作者 | 王涵 編輯 | 雲鵬 智東西11月5日報道，剛剛，Claude Code和Cowork的核心產品負責人Cat Wu（Catherine Wu）宣佈將加入OpenAI，負責領導核心產品的管理工作。 “小龍蝦之父”即OpenClaw的創始人Peter Steinberger，與OpenAI o系列模型的開發者Noam Brown在評論區送上祝福。 昨天，Cat Wu在X上發文稱週五將是其在Anthropic的最後一天。有人在其評論區問：“你現在打那休那6個月的假嗎？”Cat Wu回答道：“post agi！（在AGI之後）”現在看來，這句話妥妥是個伏筆。 Cat Wu是技術出身，2013年至2017年，她在普林斯頓大學讀計算機科學專業，並曾去往瑞士蘇黎世聯邦理工學院交流學習。本科期間，她曾與同學開發協作白板應用Scratchwork。 畢業後，她加入Youtube從事技術工作。一年後，Cat Wu加入Scale AI擔任產品工程師一職，作為早期員工參與企業產品建設及運營規模化。2020年，她又跳槽至初創公司Dagster擔任工程主管，負責商業產品Dagster Cloud建設。 再之後，自2021年10月到2024年8月，Cat Wu成為了一名風險投資合夥人，在Index Ventures中負責投資企業軟件、數據基礎設施、開發者工具及AI創業公司等。 2024年8月，她正式加入Anthropic。 根據Cat Wu在Anthropic官網上的署名文章，她起初擔任研究產品團隊的產品經理。而後參與了Claude Code內部工具實踐，利用早期Claude Code構建用戶反饋分析工具、評測環境及強化學習相關實驗。 2025年起，她及團隊開始推動Claude Code產品化，定下了Claude Code的產品路線並搭建整體功能框架，將Claude Code推至C端。
OpenAI 新模型自動挖出 948 個 Linux 內核提權漏洞，每個漏洞利用成本僅 1279 美元
報告披露，OpenAI 利用一款即將推出的全新網絡安全模型，成功構建了一套涵蓋自動化漏洞發現、驗證、利用及修復的完整閉環流程，在真實測試中交出了一份驚豔的成績單。驚人的測試數據:千級候選漏洞中動態復現與利用在2026年10月進行的一次實戰測試中，該系統展現了極其強悍的自動化安全攻防能力。
Kimi Hosted Agents 發佈:Harness 運行時轉向雲端託管
開發者無需自建運行框架，即可獲得7×24小時託管環境，支持長程任務執行與多智能體協作，按需配置 Agent 構建兩類應用:集成至企業內部系統做監控與運維響應，或嵌入對外產品提供 App 內投研助手、客服助手。平臺提供獨立沙箱與網絡訪問權限控制，可設定操作邊界並隨時中止會話;執行過程留痕可查、支持審計導出，並給出計費規則與用量報表。
蘋果還沒造出智能體，卻在年報裡把它寫成了風險
作為面向投資者的正式文件，10-K 對風險的每句措辭都帶著法律層面的披露義務。有意思的是，這家公司至今還沒有一款真正落地的 AI 智能體產品，眼下只想在嚴格隱私保護下繼續打磨 Siri。其首席執行官也把智能體稱作"有前景的工具"，但提醒用戶必須清楚自己究竟交出了哪些權限。
GPT-6.2 蛛絲馬跡提前洩露，OpenAI 三款新模型或本週亮相
部分 Codex 用戶在查看用量明細時，意外發現"gpt-6.2-astra"的標識悄然出現，而此時產品界面的模型選擇器仍只標註著 GPT-6 Astra。版本號的提前現身，往往比任何預熱海報都更直白地預告著更新臨近。內部標識搶在官宣之前外流，幾乎成了 AI 廠商之間心照不宣的"慣例"，每一次後臺字符串的意外露面，都會被外界當作發佈倒計時開始的信號。
可靈 AI 宣佈 Kling 4.0 Flash 全面開放，深度融入專業影視工作流
可靈 AI 官方正式宣佈，備受矚目的 Kling4.0Flash 現已面向全球所有用戶全面開放。作為面向高頻創作與高性價比需求打造的核心版本，該模型不僅支持通過官方網站與 API 進行調用，更進一步打通了多維接入生態，全面賦能廣大創作者的日常視頻生產。