从进化感知蛋白分词，
到可检验的分子基础模型

LEMON-ZEST 把蛋白语言模型的效率问题前移到分词阶段：ZEST 从多序列比对的保守区域构建进化感知词表，把结构相关先验直接写入 token，而不是完全依赖模型规模隐式学习。

作者据此训练一个 2 亿参数模型，并在远缘同源检测中报告优于更大的比较模型，同时扩展了固定上下文能覆盖的序列长度。该稿件注明已被 NeurIPS 2026 接收；结果主要来自计算评测，尚不能外推到全部序列与结构任务。

这项工作把 RNA 逆折叠分成两步：先用结构条件 Dirichlet 流匹配学习协同序列变化，再把连续流映射为保持碱基配对的有限策略，并用热力学反馈做强化学习优化。

作者在多个计算基准上报告领先表现，并分析热力学收益、策略动力学和不同设置下的稳健性。该文是未经同行评审的 arXiv 预印本；目标仍是二级结构逆折叠，计算通过率不能替代合成、折叠和功能实验。

OmniVCBench 不再只考虚拟细胞的数值模拟，而是评估模型能否阅读论文图表与实验语境、解释证据并形成可追溯的生物学假设。数据集由文献图像衍生的单图和多子图问答构成。

作者同时设计开放回答评审器与基于模型错误生成的困难选择题，用不同成本衡量解释层能力。该文是未经同行评审的 arXiv 预印本；基准衡量的是文献证据推理，不能代表模型已具备可靠的细胞模拟或真实发现能力。

CancerZigZag 从未配对的健康样上皮细胞出发，反复执行局部潜空间扰动与逆扩散，生成面向肿瘤参考分布的候选细胞云，试图探索横截面单细胞数据中的状态位移。

作者在结直肠癌、乳腺癌、肺癌和肾癌语境中观察到不同程度的肿瘤方向偏移，同时明确不把模型解释为确定性的健康—肿瘤转化过程。该稿件注明获 ISCB-AI 2026 口头报告；生成分布仍是探索工具，而非细胞谱系或疾病进展证据。

论文把“分子基础模型”从营销标签改写成三个可检验条件：跨分子实体、性质与任务的一般性；少量或无需专项训练的迁移能力；以及训练分布之外的泛化。

作者据此审视现有方法，认为结构预测与原子间势能模型进展明显，但尚无体系完整满足全部条件，并把数据质量、标签噪声与先验知识置于单纯扩参之前。该文是未经同行评审的 arXiv 观点性预印本，其框架有助于审计主张，但不是新的统一实证排行榜。

AssayRouter 面向标签极少的新分子实验：当实验室只能调用一组来源与参数均不可见的冻结预测器时，系统根据历史已完成实验学习每个候选预测器的后验效用，再为新任务选择少数接口组合。

作者仅用已完成的 ChEMBL-MT 实验训练路由器，并在外部回归实验及未见预测器家族上测试迁移。该文是未经同行评审的 arXiv 预印本；现有证据支持小样本接口选择，但尚未证明能在前瞻性湿实验中提高命中率或降低总体成本。