用AI追问衰老速度：一个面向长寿研究的专用模型与评测体系

该工作提出了一套面向衰老生物学的专用大语言模型，并配套17项可用于衡量此类模型及其他大语言模型在衰老相关任务上表现的基准任务。 此前衰老研究缺乏针对该领域定义的AI评测任务，该工作把评测从通用能力转向衰老相关项目。 报道描述为发表于《Cell》的报告，明确给出17项任务这一数量，但未在可见文本中列出具体任务内容或评分细节。

该工作还提供一个交互界面，把模型与其他衰老研究工具同被称为智能体的AI助手整合在一起，以辅助分析。 相较单一模型输出，这一设计把模型置于可调用多种研究工具的工作流中。 报道对该界面的功能作了概括性描述，未给出使用案例或性能数据。

作者用自建基准评估了专用模型与OpenAI、DeepSeek等公司训练于更大、更多样数据集的通用商业模型，在多数但非全部测试中，衰老领域定制模型优于大型通用模型。 这提供了专用领域模型与通用大模型在衰老任务上的直接对照结果。 报道明确说明结果方向为“多数但非全部”，未给出具体任务数、分数或统计量。

该工作回应了衰老领域的一个核心难题：在科学家尚未就衰老概念本身达成统一定义时，如何训练AI工具理解衰老。 把“定义不清”这一领域特征转化为AI任务设计问题，而非仅沿用癌症等定义清晰疾病领域的任务范式。 报道引用未参与该工作的研究者观点，指出癌症等领域的AI任务可清晰定义，而衰老“很难定义”。

该结果面向衰老生物学研究者与开发长寿相关AI工具的研究团队，适用于需要把模型、评测任务与研究工具串联起来的分析场景；报道所述比较结论限于作者自建的17项任务，且明确为“多数但并非全部”测试中专用模型占优。

可见文本未列出17项任务的具体内容、评测指标与比较的量化结果，也未说明专用模型与通用模型在哪些测试中表现相反；此外，报道提到一项针对肺病实验药物的小型临床试验基于六种衰老时钟降低了受试者生物学年龄，但研究者仍难以判断这是否真正逆转衰老基本过程，还是仅改善整体健康状况，这一解释性难题仍是该领域待解问题。