🔬Causal Models Need Causal Data - Xaira’s X-Cell model — Xaira用信息富集数据突破基因表达预测瓶颈，打造因果模型X

• 传统RNA表达模型在1.5B参数后测试损失停滞，因数据信息量不足；Xaira通过30倍信息富集的数据集X-Atlas，使模型能随参数和计算量扩展。 含义：数据质量比规模更重要，信息瓶颈是AI模型性能的关键限制。
• X-Cell采用扩散模型替代自回归，基于CRISPR实验并行测试数百万基因扰动，直接观测因果关系。 含义：因果建模需要因果数据，实验设计决定模型能力上限。
• X-Cell在真实人类细胞实验中超越线性基线，后者此前优于所有其他模型。 含义：简单基线常被低估，新模型需在真实场景中证明价值。

原文：🔬Causal Models Need Causal Data - Xaira’s X-Cell model for Drug Discovery (Bo Wang & Ci Chu, Chief Discovery Officer & Chief AI Scientist) · 作者 Latent Space