不用堆算力，华大新出的 Gengram，重新定义基因组建模

背景：基因组基础模型是解码生命密码的核心工具，但现有基于Transformer的模型存在依赖大规模预训练、计算效率低下且在基序检测任务中表现受限等短板。研究目的：华大Genos团队受DeepSeek启发，旨在开发一个轻量级插件Gengram，通过显式的基序记忆机制来提升基因组模型的性能与效率。结论：Gengram作为约2000万参数的轻量条件记忆模块，通过基于k-mer的哈希记忆和局部窗口聚合等创新设计，直接存储和复用多碱基基序，在多项功能基因组学任务中实现了最高22.6%的性能提升，且展现出更高的数据训练效率，为基因组建模提供了革命性的解决方案。