面向多组学序列任务的工具增强在线策略蒸馏方法

该 arXiv 论文提出 OmicsBench，称其为首个面向多组学序列的推理基准，含 1160 道经专家校验的题目，覆盖 DNA 调控、RNA 加工与蛋白质功能六类任务，要求可追溯证据链，并由领域专家制定的实例化评分标准评估。作者评测 17 个 LLM 后发现：科学专用 LLM 在序列分类准确率上优于通用 LLM，却难以给出支撑预测的有效证据，可能源于捷径学习。为此提出工具增强的在线策略蒸馏 TA-OPD，在 0.8B 至 27B 的五个 Qwen3.5 模型上均增强了生物证据支撑，并在多数任务上提升预测表现。

此前多组学序列任务只用分类与回归指标衡量模型，无法判断模型是否真正掌握底层生物学证据。OmicsBench 把评估重点转向可追溯证据链，并揭示科学专用模型准确率虽高但证据支撑不足，即高准确率未必代表可解释的生物学理解。

论文推测，专用模型可能依赖统计模式而非生物学机制，即 shortcut learning，因此在准确率上占优却给不出有效证据。TA-OPD 作为后训练方法，通过引入工具并采用在线策略蒸馏，把序列预测与有证据支撑的生物学推理对齐，从而在多个参数规模上同时改善证据基础与预测表现。

对做组学分析工具或科研辅助产品的团队而言，评估指标需要从单一准确率扩展到证据链与推理评分，模型选型也不能只看分类分数。后训练阶段需纳入工具调用与推理对齐流程，并为此准备专家标注的评分标准，可能增加数据与验证成本。

• 构建以证据链为核心的多组学模型评测服务，输出实例化评分与可追溯证据，替代单纯分类指标。
• 在组学分析产品中加入工具调用与推理链展示，让用户看到预测背后的生物学依据。
• 针对中小参数模型提供 TA-OPD 类后训练方案，在有限算力下同时提升证据支撑与预测表现。
• 面向科研用户提供证据链审计功能，标记可能依赖统计捷径的预测结果。

• OmicsBench 的 1160 道题是否公开，以及它的构建与专家校验流程细节如何。
• TA-OPD 在 0.8B 至 27B 之外的其他模型或非 Qwen 模型上是否同样有效。
• 提升证据支撑是否会带来推理延迟、工具调用成本或训练成本的明显上升。
• 除 Qwen3.5 五个模型外，是否有独立第三方复现该结论。