PROBE：评估通用大语言模型基因本体蛋白功能注释的多物种基准

研究团队发布 PROBE 基准，用于零样本评估通用大语言模型能否把蛋白功能的自然语言描述映射到 Gene Ontology（GO）术语。基准包含来自五个物种的 1,000 个 UniProt Swiss-Prot 蛋白，仅采用有实验证据的注释；10 个开源模型在五种提示格式下共产生 150,000 条预测。表现最好的 Mistral Large 123B 宏平均 F1 仅 9.3%，而“最频繁 5 个术语”的启发式规则超过了 10 个模型中的 4 个。