模型与 Benchmark板块首页
怎么读
怎么给 benchmark 分类一个分数能信到哪一步:真值噪声、简单基线、泄漏与饱和协议索引:113 条协议按谁判对错分组方法与数据:分类口径、收录与停更标准、已知局限
模型与数据
模型索引:112 个模型按领域分组模型 × benchmark 配对矩阵训练数据从哪来:公开库、私有授权、自产 wet lab 与…benchmark 的规模、更新与 wet lab 数据
Benchmark:理解状态(表征与排序)
02 ProteinGym09 scIB11 ClinVar hold-out protocol13 CAGI16 GUE + Nucleotide Transform…17 CAFA21 DREAM5 / BEELINE / CausalB…26 FLIP / FLIP234 AbBiBench37 TraitGym38 BEND39 RNAGym45 DART-Eval49 NTv3 Benchmark67 VenusX
Benchmark:预测给定对象的结果
01 CASP03 MoleculeNet04 TDC05 PoseBusters06 CASF-201615 CAMEO22 CAPRI24 虚拟细胞挑战赛与扰动预测评测25 RNA-Puzzles27 Polaris / ASAP / OpenADMET30 PLINDER / PINDER / Runs N'…31 FoldBench33 PoseX35 FLAb / FLAb243 Ginkgo GDPa146 FEP 相对结合自由能基准47 PoseBench / DockGen51 OpenADMET 盲测系列52 Biogen ADME53 UNICORNE-BENCH54 OMol25 + FAIR Chemistry 榜单55 PDBbind-CleanSplit / LP-PD…57 CatPred-DB66 MassSpecGym
Benchmark:提出候选(生成与设计)
19 PMO20 CACHE28 Adaptyv competitions / Ben…36 AIntibody40 MotifBench50 蛋白 motif scaffolding 基准56 Protein Engineering Tourna…
Benchmark:多步分析与问答(agent)
14 PubMedQA18 LAB-Bench / LABBench223 BioASQ29 BixBench42 BioMysteryBench58 ChemBench59 LifeSciBench60 Terminal-Bench-Science61 BiomniBench / Biomni-Eval162 HeurekaBench63 scBench64 ScienceAgentBench65 SciReasoner / Biology-Inst…68 BioDesignBench
Benchmark:已停更
07 USPTO family08 Basenji/Enformer test set10 GuacaMol12 DUD-E / LIT-PCBA32 CrossDocked202041 BioML-bench44 FS-Mol
相邻领域
相邻领域:不在主分类内的评测
模型:结构/共折叠
AF2-Multimer:Google DeepMindAlphaFold 3BioEmu-2Boltz-1 / Boltz-1xBoltz-2:MIT、Recursion、Boltz P…Chai-1:Chai DiscoveryChai-2:Chai DiscoveryDiffDock:MIT CSAILESMFold2HelixFold-S1:BaiduIntelliFold-2:IntelliGen AIIsoDDE:Isomorphic LabsMassiveFoldNeuralPLexer3OpenComplex2OpenDDE:Aureka AI Research、Au…OpenFold3Pearl:Genesis Molecular AIProtenixRF3:University of Washington …RhoFold+ / DRfold2 / trRosett…RNAPro:NVIDIA、Stanford Univer…SeedFold:ByteDance SeedVina:Scripps Research
模型:小分子
ADMET-AIAQAffinity:SandboxAQBeacon:Inductive BioChemformer:AstraZenecaChemprop v2:MITEnchant v1 / v2ether0:FutureHouseKERMT:Merck & Co.、NVIDIAMiniMol:Valence LabsMolE:RecursionMoLFormer-XL:IBM ResearchNesso-1:Valence Labs、Recursio…ReaSyn v2:NVIDIA、KAISTREINVENT 4RetroDFM-RSaturn:EPFLTamGen:Microsoft Research AI …TerraBind:Terray TherapeuticsTxGemma:Google DeepMind、Googl…Uni-Mol2Uni-Mol3
模型:蛋白
AlphaProteoAMPLIFY:Mila、Polytechnique Mo…BindCraftBoltzGenChai-3:Chai DiscoveryClaude 蛋白设计研究DPLM-2:ByteDance Research、Nan…Dyno Psi-1 / Psi-PhiESM C:Evolutionary Scale、Chan…ESM3:Evolutionary Scale、Chan …EVOLVEproLa-Proteina:NVIDIALatent-X / X2:Latent LabsLucaOne:Alibaba Cloud、Sun Yat…Mosaic:Escalante BioPinal:Westlake UniversityPoET-2:OpenProtein.AIProfluent-E1:ProfluentProGen3:ProfluentProSST:Shanghai Jiao Tong Uni…Proteina-Complexa:NVIDIARFdiffusion2 / 3SaProt:Westlake University、We…SeedProteo:ByteDance SeedVenusREMxTrimoPGLM
模型:抗体
GerminalHCAbLM:Nona Biosciences、HBM H…IgGM / IgGM-FMJAM / JAM-2:Nabla BioOrigin-1:AbsciRFantibodytFold:Tencent AI for Life Sci…
模型:基因组/RNA
AlphaGenome:Google DeepMindAlphaMissense:Google DeepMindBioReasonBorzoi:Calico Life SciencesBulkFormerEvo 2:Arc Institute、NVIDIA、St…NTv3:InstaDeeppopEVE:Harvard Medical School…RIBOSPAN
模型:单细胞
AIDO Cell:GenBio AIC2S-ScaleCellFM:Sun Yat-sen University…Lingshu-CellscGPT / GeneformerscPRINT-2Stack:Arc InstituteSTATE:Arc InstituteTahoe-x1:Tahoe TherapeuticsTranscriptFormerX-Cell:Xaira TherapeuticsxTrimoSCPerturb / scFoundation
模型:分子生成
GenMol:NVIDIA
模型:文本与 agent
Biomni:Stanford University、Ph…Co-ScientistGPT-Rosalind:OpenAIIntern-SKosmos / Edison AnalysisMedGemma / Med-GeminiQuine:Microsoft ResearchRobin:FutureHouseSciReasonerTxAgent:Harvard Medical SchoolVERID:Google Research前沿通用大模型:Anthropic、OpenAI、Goog…

38 BEND

整理 2026-11-18 · 来源与可靠度标注见正文
本文目录
  1. 概况
  2. 协议拆分与读法
  3. 测什么、怎么测
  4. 当前排名
  5. 报告过的模型
  6. 局限与注意
  7. 新模型怎么用
  8. 来源
  9. 更正记录

用人类基因组功能任务评测 DNA 语言模型的冻结表示。只覆盖人类基因组;冻结嵌入的结果不等于微调上限。

bench-38 · 模型在做什么:理解状态(表征与排序) · 谁判对错:已有参考答案 · 基因组/RNA · 补充收录 · 截至 2026-11-16

概况

字段 内容
名称 / 别名 BEND;全称:DNA 语言模型基准(Benchmarking DNA Language Models on Biologically Meaningful Tasks);别名:BEND 2.0;有歧义、不自动链接:bend
家族 否(BEND 2.0 按同一 benchmark 的新版本处理,不另立家族成员。)
模型在做什么 理解状态(表征与排序)
谁判对错 已有参考答案(2 条协议,逐条见下)
领域 基因组/RNA
发布方 Technical University of Denmark、University of Copenhagen(学术实验室)
首次发布 (依据:arXiv 2311.12570 v1)
其他里程碑 预印本 v1 (arXiv 2311.12570 v1);官方公告 †(未核实)(ICLR 2024 会议论文(仅有年份可证))
最近更新 ,新版本:BEND 2.0 预印本发布,改按 DNA 设计所需能力组织:8 个任务、5 个实验数据集;原版仓库最后提交 2024-10-31。此为最近一次有出处的事件,不代表此后没有更新
下一次预期 无公告(作者未公告下一版本的时间。)
规模 原版 7 个任务,样本 285 至 2,005,617,序列 512 至 100,096 bp;2.0 为 8 个任务、5 个实验数据集。 明细:任务数(BEND v4) 7;样本数范围(BEND v4) 285-2,005,617;序列长度范围(BEND v4) 512-100,096 bp;任务数(BEND 2.0) 8;实验数据集(BEND 2.0) 5
状态 ● 活跃:2026-11-02 发布 2.0;原版与 2.0 口径不同,须分开引用。
wet lab 更新 静态:复用已发表的基因组注释与功能基因组数据,不新增实验。
需自补 wet lab 不需要
报告模型数 0 个计入
当前排名 ▣ 榜单(见当前排名)
全站实体页 无(全站 /entities/ 体系中没有该 benchmark 的页面。)
截至 2026-11-16

协议拆分与读法

同一个 benchmark 名下常有多场规则不同的考试。下表把它拆成 2 条协议,逐条写明谁判对错、在用的模型和这个分数能回答什么。分类口径见怎么给 benchmark 分类。

协议 谁判对错 隔离 在用模型(已核实) 五维要点 能回答 不能回答
38a BEND 染色体与区域留出任务 已有参考答案 — Nucleotide Transformer v1/v2 (NT-H/MS/1000G, NT-v2)(三)、GENA-LM(三) 冻结嵌入在染色质、组蛋白、甲基化上只与专用监督模型持平,增强子几乎无区分度,数据管线设置就能改变排名。 能回答:冻结的 DNA 语言模型嵌入,在按染色体留出的任务上是否比专用监督模型多带来信息。 不能回答:微调后的上限;也不能区分 0.01–0.03 量级的差距,实现细节就能造成同等波动。
38b BEND 其他任务 已有参考答案 — Nucleotide Transformer v1/v2 (NT-H/MS/1000G, NT-v2)(三)、GENA-LM(三) 基因发现上最佳语言模型仍落后传统注释工具,零样本变异打分多数接近随机,个别离群结果没有解释。 能回答:语言模型嵌入能否支撑基因结构注释,零样本下对表达或疾病变异有无区分力。 不能回答:临床变异判读的可用性;多数零样本分数接近随机,名次差异主要是噪声。

在用模型括号内:榜 = 主办方榜单,自 = 开发方自报,三 = 第三方评测;只列已核实的配对。五维 = 真值可靠性、基线状况、指标效度、饱和度、泄漏风险;"未评估"表示该协议尚未完成五维评审。

测什么、怎么测

  • 任务:冻结预训练模型的嵌入,接轻量头做人类基因组功能任务:基因发现、增强子注释、染色质可及性、组蛋白修饰、甲基化与两类变异效应。
  • 真值:已发表的基因组注释与功能基因组测量,变异效应任务用公开标注。
  • 主指标:按任务不同:MCC、AUPRC 或 AUROC。
  • 次指标:2.0 另用相关系数与设计任务指标。
  • 版本陷阱:原版与 2.0 的任务定义不同,数字不可混用;须写明嵌入分块长度、是否用官方头配置,以及是原生输出还是拟合读出。

当前排名

状态:▣ 榜单

  • 指标:按任务分列的指标(无统一官方排名指标):如条件对数损失(bits/base,越低越好)、宏平均 Spearman 相关、top-1 组织识别准确率
  • 评测集 / 口径:BEND 2.0 Table 1 snapshot: 8 endpoints across 5 capability categories, 17 model-interface rows
  • 快照日期:
  • 榜单页面

排名行不显示分数:榜单第一名条目未核实,排名行不显示分数

说明:数值属 BEND 2.0(2026-11 预印本),取自其站点数据文件的表 1 快照;无官方总分,名次仅就单个端点而言,原生与拟合读出分列。

模型 名次 数值 指标 评测集 / 口径 来源类型 日期 出处 说明
SpliceAI(非本站模型) 1 不显示†(未核实) 按任务分列的指标(无统一官方排名指标):如条件对数损失(bits/base,越低越好)、宏平均 Spearman 相关、top-1 组织识别准确率 BEND 2.0 Table 1 snapshot: 8 endpoints across 5 capability categories, 17 model-interface rows 榜单 出处 非站内模型;该端点第 1,为专用模型的原生输出。
AlphaGenome 2 不显示†(未核实) 按任务分列的指标(无统一官方排名指标):如条件对数损失(bits/base,越低越好)、宏平均 Spearman 相关、top-1 组织识别准确率 BEND 2.0 Table 1 snapshot: 8 endpoints across 5 capability categories, 17 model-interface rows 榜单 出处 该端点拟合读出第 2,原生输出 0.621;在 8 个端点中 5 个为第 1。
NTv3 650M post 4 不显示†(未核实) 按任务分列的指标(无统一官方排名指标):如条件对数损失(bits/base,越低越好)、宏平均 Spearman 相关、top-1 组织识别准确率 BEND 2.0 Table 1 snapshot: 8 endpoints across 5 capability categories, 17 model-interface rows 榜单 出处 该端点第 4;序列先验端点第 1(1.375 bits/base,越低越好)。
Evo2 20B 9 不显示†(未核实) 按任务分列的指标(无统一官方排名指标):如条件对数损失(bits/base,越低越好)、宏平均 Spearman 相关、top-1 组织识别准确率 BEND 2.0 Table 1 snapshot: 8 endpoints across 5 capability categories, 17 model-interface rows 榜单 出处 该端点第 9;先验损失 1.388 bits/base(第 3);设计类端点垫底。

排名数据读取于 2026-11-16。分数原样照录,不换算、不跨 benchmark 比较。

报告过的模型

按关系类型分组;计数口径见配对矩阵。0 个计入。

暂无模型与本 benchmark 构成配对。

局限与注意

  1. 只覆盖人类基因组;冻结嵌入的结果不等于微调上限。
  2. 增强子任务样本少且稀疏,所有模型都很差;论文正文与表格在组蛋白修饰上有出入。
  3. 原版基线以 2023 年前后模型为主,较新的 DNA 模型未在原榜中。
  4. 两版口径不同:2.0 改按设计能力组织,不能与原版数字并列。
  5. 2.0 榜上的站内模型尚未登记为配对关系,关系类型待下一轮核定。

新模型怎么用

从官方仓库取数据与配置,按任务提取冻结嵌入再训小头,计算量远低于微调。写明嵌入分块长度与是否用官方头配置;比较时同时给平均秩与分任务数值,不要只报单个任务;原版与 2.0 分开写,不混用两版数字;零样本变异任务可与 TraitGym 配套报告。

搭配:GUE + Nucleotide Transformer 基准 · Basenji/Enformer test set · TraitGym · ClinVar hold-out protocol

来源

  1. BEND 论文(arXiv 2311.12570 v1)(预印本),
  2. BEND 论文全文 v4(预印本),
  3. ICLR 2024 会议论文页(论文)
  4. 官方仓库 frederikkemarin/BEND(仓库)
  5. BEND 2.0 预印本(arXiv 2611.03806)(预印本),
  6. BEND 2.0 榜单页(榜单),

更正记录

以下为本轮核对中改过的字段,原值按记录照录。

字段 原 现 原因 出处 发现日期
ranking.eval_set original BEND standing BEND 2.0 Table 1 snapshot (2026-10-22), per endpoint 原版无在线榜单,现有名次全部来自 2.0 的站点数据文件,且仅就单个端点成立。 依据 2026-11-16

本文为个人研究笔记,结论基于成文时可获得的公开信息;带〔估算〕〔推断〕或⚠️的数字未经独立核实。