上海人工智能实验室 发布 Biology-Instructions 数据集, 应用在 生物序列分析、大语言模型 领域

上海人工智能实验室 本次发布的数据集 Biology-Instructions, Biology-Instructions是由上海人工智能实验室创建的首个大规模多组学生物序列指令调优数据集，涵盖DNA、RNA、蛋白质及多分子预测任务，共包含21个子任务。该数据集拥有超过300万条训练样本，旨在通过多样化的生物序列任务提升大语言模型的推理能力和对话流畅性。数据集的构建过程包括从高质量文献和竞赛中收集任务数据，并通过人工和AI生成问答模板，确保语言风格和语法多样性。该数据集的应用领域主要集中在生物序列分析，旨在解决大语言模型在生物序列理解任务中的性能瓶颈，推动多组学序列分析与大语言模型的深度融合。

查看Biology-Instructions

关于 上海人工智能实验室 , 上海人工智能实验室是我国人工智能领域的新型科研机构，开展战略性、原创性、前瞻性的科学研究与技术攻关，突破人工智能的重要基础理论和关键核心技术，打造“突破型、引领型、平台型”一体化的大型综合性研究基地，支撑我国人工智能产业实现跨越式发展，目标建成国际一流的人工智能实验室，成为享誉全球的人工智能原创理论和技术的策源地。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。