AIntibody盲測基準 真實濕實驗驗證AI抗體設計

回顧評測的盲區

近年人工智能與生成式模型被廣泛用於抗體發現與優化，但多數計算方法仍依賴回顧性數據集評估：模型在已公開的序列、結構或親和力數據上訓練和測試。

這種方式難以判斷方法在真實藥物發現流程中的實際能力，存在數據洩漏與過度擬合的風險，令業界對「計算設計」宣稱的成效普遍保持審慎。