BioMaze：用于生物通路推理的大型语言模型基准测试与增强
机器学习
2025-07-23 v5 人工智能
定量方法
摘要
最近探索了大型语言模型（LLM）在 various biological 领域的应用，但其在复杂生物系统（如通路）方面的推理能力仍未得到充分探索，这对于预测生物现象、构建假设和设计实验至关重要。本工作探索了 LLM 在通路推理中的潜力。我们引入 BioMaze，一个包含 5.1K 个复杂通路问题的数据集，源自真实科研，涵盖包括自然动态变化、扰动、额外干预条件和多尺度研究目标等 various 生物学情境。我们评估了诸如 CoT 和图增强推理等方法，显示 LLM 在通路推理方面表现不佳，尤其在扰动系统中表现更为突出。为此，我们提出了 PathSeeker，一个通过交互式子图导航来增强推理的 LLM 代理，使其能够以更有效的方式处理生物系统的复杂性。数据集和代码均可在 https://github.com/zhao-ht/BioMaze 上获取。
引用
@article{arxiv.2502.16660,
title = {BioMaze: Benchmarking and Enhancing Large Language Models for Biological Pathway Reasoning},
author = {Haiteng Zhao and Chang Ma and Fangzhi Xu and Lingpeng Kong and Zhi-Hong Deng},
journal= {arXiv preprint arXiv:2502.16660},
year = {2025}
}