PertReason：细胞状态条件下扰动效应机械推理的基准与框架

PertReason 是一组以知识图谱为依托的基准与框架，用于评估机器学习模型在单细胞扰动效应上的机械推理能力。其问答基准 PertReasonQA 融合了多种细胞情境下的遗传与化学扰动数据，动态条件化细胞特异通路以阻止死记硬背。对最新模型的评估显示，预测准确性与机械推理之间存在系统性鸿沟——模型常通过错误逻辑得出正确答案、忽略细胞上下文或生成方向不一致的机制。作为参考，作者训练了 PertReasonLM 大语言模型，通过将理由锚定于上下文相关通路来缩小这一差距。

现有基准主要考查预测正确性，PertReason 则要求同时检查推理过程的机械合理性。它暴露了标准测试中不可见的失败模式，为科学 AI 的忠实性评估设立了更严格的标杆，直接推动模型研发从“答对”转向“想对”。

PertReasonQA 将单细胞基因/化学扰动数据与知识图谱结合，通过动态条件化通路，使模型必须根据细胞基础状态而非固定模式来生成解释。评估标准同时考察结果正确性与机制一致性，从而孤立出逻辑错误、上下文忽略等失效模式。PertReasonLM 在训练中强化结果与特定通路机制的匹配，以缓解这些失效。

此基准为生物医药 AI 产品提供了诊断工具：可系统化检测模型在扰动效果预测中的推理缺陷，降低因错误逻辑导致药物发现方向误判的风险。若集成到研发流程，能提前筛选出机械解释不可靠的模型，节省后续实验验证成本。

• 基于 PertReason 基准开发面向药物研发团队的模型机械推理审计服务
• 构建融合知识图谱与细胞状态条件的单细胞扰动预测平台
• 将 PertReasonLM 的推理对齐技术嵌入现有单细胞分析工具，提升解释可信度

• PertReason 基准能否覆盖所有类型的扰动（如非遗传或多基因组合）？
• PertReasonLM 在真实药物发现场景中相比其他大语言模型的收益是否显著？
• 该框架的计算成本是否适合大规模生产环境下的持续模型评估？