Anthropic 发布 gget virus：确定性检索层显著提升 AI 代理在病毒序列数据上的准确性

概要

Anthropic 发布了 gget virus，这是一个针对 NCBI Virus 的确定性检索层，将 AI 代理在病毒序列检索任务上的准确率提升至 >99%，证明了可靠的数据访问工具对于可信赖的生物 AI 代理至关重要。

核心问题：脆弱的生物数据基础设施

生物数据库（如 NCBI Virus）最初是为人类用户设计的，而非自主代理。
格式不统一的文件、分散的 API 以及未记录的过滤逻辑，导致了“点击税”式的工作流——对人类来说简单，但对 AI 代理而言极易出错。
即使是目前最先进的科学代理（Claude Sonnet 4、Claude Opus 4.7、Biomni OSS、Edison Analysis、GPT-5.2-pro、GPT-5.5）在真实病毒序列查询任务上的平均准确率也仅为 16.9%–91.3%，且运行间波动极大。
即使是微小的检索错误（如基因组构建错误、记录缺失）也可能彻底改变下游结论，例如系统发育 TMRCA 估计或治疗性表位分析结果。

案例研究：NCBI Virus 上的 VirBench 基准测试

VirBench 包含 40 种病原体的 120 个查询，每个查询均有手动验证的真值计数。
示例查询：从非洲人类宿主中检索 Orthoebolavirus zairense 序列（2014年1月1日至2014年6月20日），长度 ≥15,200 bp 且 N 碱基数 ≤1,900。
未使用确定性支持的代理返回的结果极不一致（例如，Claude Sonnet 4 在三次完全相同的运行中分别返回了 106、15 和 5 条序列）。
由此生成的系统发育树显示 TMRCA 估计值从 1922 年到 2014 年不等，说明检索缺口如何扭曲科学推断。

"代码是最简单的部分！大部分工作都在浏览器里，点击各种东西。" – Andrej Karpathy，引用以说明代理与以人类为中心工具之间的普遍摩擦。

推出 gget virus

与 NCBI 合作开发，旨在以程序化方式复现 NCBI Virus 网页界面的行为。
协调多个底层资源（REST、Datasets、E-utilities），并在 API 缺乏所需语义时在本地应用过滤器。
通过分批处理支持大规模结果集，解决标识符不匹配问题，并在标准化输出中保留元数据（如 GenBank 字段）。
生成详细日志，使检索过程可审计、可复现。

对代理性能的影响

代理	未使用 gget virus 的平均准确率	使用 gget virus 后的平均准确率
Claude Sonnet 4	91.3%（波动）	99.5%
Claude Opus 4.7	88.7%	99.6%
Biomni OSS	84.2%	99.3%
Edison Analysis	78.5%	99.2%
GPT-5.2-pro	85.1%	99.4%
GPT-5.5	89.9%	99.7%

引入 gget virus 后，大多数运行间波动被消除；各模型间的性能差距显著缩小。
结果表明，确定性检索，而非模型规模，才是可靠生物数据管道的瓶颈所在。

为何确定性层至关重要

生物学工作流要求近乎完美的召回率；一条遗漏的序列就可能误导疫情时间判断或治疗效果评估。
确定性工具为碎片化的传统生物信息学门户提供了可复现的“高速公路隧道”替代“人行道”般的混乱路径。
它使更低成本的模型也能达到专家级可靠性，降低研究成本，扩大 AI 增强研究的可及性。

对 AI 驱动科学的更广泛影响

代理能力与现有基础设施之间的不匹配，反映了其他领域（如网页开发）面临的类似挑战（如 Karpathy 演讲中所强调）。
随着模型不断进步，对“缰绳”的依赖可能减少，但确定性接口在可审计性、速度和成本效益方面仍将保持价值。
未来的数据库设计应优先考虑 代理友好的 API、标准化标识符和版本化元数据，从根本上避免“点击税”问题。

下一步与开放挑战

将确定性层方法扩展至其他领域（如蛋白质结构数据库、代谢组学数据库）。
制定“代理就绪”数据服务的社区标准，包括显式的模式版本控制和机器可操作的文档。
监测快速进步的模型与确定性工具之间的交互；评估工具与模型协同演进是否能进一步降低延迟和成本。

致谢：作者感谢 Xander Balwit、Ethan Dyer、Stuart Ritchie、Rebecca Hiscott、Alyssa Morrow、Keir Bradwell、Eric Kauderer-Abrams、Jonah Cool、Andrej Karpathy、Patrick Varilly、Cesar Arze、Blake Lash、Philine Guckelberger、Nisha Gopal、Elliot Hershberg、Pardis Sabeti、Jonathan Feldman、Sarah Gurev、Gage Moreno、Ferdous Nasri 和 Krithik Ramesh 提供的反馈与贡献。