香港科技大学发布GenomeQA数据集,应用在基因组分析、自然语言处理领域

香港科技大学本次发布的数据集GenomeQA,GenomeQA是由香港科技大学·广州等机构联合构建的基因组序列理解基准数据集，包含5,200条样本，覆盖增强子/启动子识别、剪接位点鉴定等6类任务。数据源自ENCODE、NCBI等权威数据库，序列长度6-1,000bp，通过标准化处理确保质量。该数据集用于评估通用大语言模型对原始DNA序列的推理能力，填补了基因组分析与自然语言处理交叉领域的评估空白。

查看GenomeQA

关于香港科技大学,香港科技大学是一所位于香港的公立研究型大学，成立于1991年，以科技和商业管理见长，在工程、商科及自然科学等领域享有国际声誉。

关于arXiv,全球最大的预印本学术论文数据库，涵盖物理、数学、计算机科学等多个学科领域。