--- format: "aidr-story-markdown/v1" id: "10cdad4b06e67e8e782e6615d4f34c30a2231da267bbe6cb97d7ad0b2ebd2f0f" canonical_url: "https://aidr.today/10cdad4b?lang=vi" title: "Các phương pháp CIL hình ảnh có chuyển sang protein không? Một benchmark chẩn đoán các bộ mã hóa protein đóng băng" lang: "vi" requested_lang: "vi" available_langs: ["en","vi"] translation_fallback: null fallback_fields: [] published_at: "2026-10-15T04:00:00.000Z" category: "Research" topics: ["research"] source_urls: ["https://arxiv.org/abs/2610.18879"] summary: "Việc dán nhãn chức năng protein hoạt động trên một không gian nhãn mở rộng, khiến học tăng dần lớp (CIL) trở thành khung tự nhiên để đưa các chức năng mới được khám phá mà không cần huấn luyện lại toàn bộ. Tuy nhiên, các phương pháp CIL hiện tại chủ yếu được phát triển trong lĩnh vực hình ảnh và chưa được đánh giá hệ thống trên các biểu diễn protein đóng băng. Chúng tôi thực hiện một benchmark kiểm soát gồm chín phương pháp CIL đại diện trên năm bộ mã hóa protein dựa trên trình tự, cấu trúc và kết hợp cả hai, cùng hai bộ dữ liệu chức năng enzyme ở các quy mô khác nhau, trong khi giữ các bộ mã hóa đóng băng và cài đặt đánh giá nhất quán giữa các biểu diễn. Kết quả cho thấy không có phương pháp nào chuyển đổi ổn định giữa các bộ mã hóa, và những thất bại này vẫn tiếp diễn qua các cấu trúc pha thay thế. Phân tích chẩn đoán cho thấy bất ổn này xuất phát từ tín hiệu ổn định dựa trên gradient yếu, sự thay đổi lớn trong hình học embedding và các giả định hiệp phương sai mà dung lượng thích hợp thay đổi theo cả quy mô dữ liệu và bộ mã hóa." --- # Các phương pháp CIL hình ảnh có chuyển sang protein không? Một benchmark chẩn đoán các bộ mã hóa protein đóng băng > [Open the canonical story]() **Published:** 2026-10-15T04:00:00.000Z **Category:** Research **Topics:** research ## Summary Việc dán nhãn chức năng protein hoạt động trên một không gian nhãn mở rộng, khiến học tăng dần lớp \(CIL\) trở thành khung tự nhiên để đưa các chức năng mới được khám phá mà không cần huấn luyện lại toàn bộ\. Tuy nhiên, các phương pháp CIL hiện tại chủ yếu được phát triển trong lĩnh vực hình ảnh và chưa được đánh giá hệ thống trên các biểu diễn protein đóng băng\. Chúng tôi thực hiện một benchmark kiểm soát gồm chín phương pháp CIL đại diện trên năm bộ mã hóa protein dựa trên trình tự, cấu trúc và kết hợp cả hai, cùng hai bộ dữ liệu chức năng enzyme ở các quy mô khác nhau, trong khi giữ các bộ mã hóa đóng băng và cài đặt đánh giá nhất quán giữa các biểu diễn\. Kết quả cho thấy không có phương pháp nào chuyển đổi ổn định giữa các bộ mã hóa, và những thất bại này vẫn tiếp diễn qua các cấu trúc pha thay thế\. Phân tích chẩn đoán cho thấy bất ổn này xuất phát từ tín hiệu ổn định dựa trên gradient yếu, sự thay đổi lớn trong hình học embedding và các giả định hiệp phương sai mà dung lượng thích hợp thay đổi theo cả quy mô dữ liệu và bộ mã hóa\. ## Sources - [Story source]()