香港科技大学·广州发布PhageBench数据集,应用在噬菌体基因组、基准测试领域

香港科技大学·广州本次发布的数据集PhageBench,PhageBench是由香港科技大学·广州团队构建的首个专注于噬菌体基因组理解的基准数据集，涵盖筛选、质量控制和表型注释三大阶段的5项核心任务。该数据集包含5600条高质量样本，序列长度分布在0.5-50千碱基对之间，数据源自权威基因组数据库并经过严格过滤。通过模拟生物信息学专家工作流程，数据集采用标准化多选题格式构建，重点解决噬菌体基因组原始序列的识别、污染检测、完整性评估及宿主预测等关键问题，为评估通用大语言模型在非自然语言领域的推理能力提供了创新平台。

查看PhageBench

关于香港科技大学·广州,香港科技大学（广州）是香港科技大学在广州设立的分校，旨在融合内地与香港的教育资源，推动跨学科教育和研究。该分校延续了香港科技大学的办学理念和学术标准，专注于创新和科技发展。

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。