Skip to content
Hot eventLive

MetaHeta：异质性试验下的少样本生物活性预测框架

1 reports1 sources3 hr ago updated

Get the story

AI overview

2026年10月7日，arXiv Machine Learning Theory 发布一手论文，提出名为 MetaHeta 的元学习框架，用于改善少样本生物活性预测。该框架通过基于相关试验的辅助数据条件化预测，结合对大规模辅助数据的线性注意力与对稀缺任务特定上下文的精确注意力，以应对试验异质性。论文称，在 ChEMBL 和 BindingDB 试验中，该方法提升了少样本预测性能，并在回顾性贝叶斯优化中改善了化合物优先级排序。目前公开信息仅涉及该论文内容，尚无后续验证或应用报道。

Generated from reports · updated 3 hr ago

LatestOct 7
arXiv 发布 MetaHeta 元学习框架论文，称其在 ChEMBL 与 BindingDB 试验中提升少样本预测与化合物优先级排序。

Timeline

Follow the coverage from different angles.

Oct 7, 2026
  1. arXiv · Machine Learning Theory
    检测异质性下的少样本生物活性预测：MetaHeta 元学习框架

    论文提出 MetaHeta 元学习框架，用于改善少样本生物活性预测。该框架通过基于相关试验的辅助数据条件化预测，结合对大规模辅助数据的线性注意力与对稀缺任务特定上下文的精确注意力，以应对试验异质性。在 ChEMBL 和 BindingDB 试验中，该方法提升了少样本预测与回顾性贝叶斯优化中的化合物优先级排序。

Heat trend

Current heat 9·Comparable peak 10（Oct 7）·Comparable change over 24 hours –

02.557.510Oct7Oct7Oct7Oct7

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.