Evo 2 在五个二分类任务上展现上下文学习能力，短序列 F1 达 0.902，但千碱基尺度崩溃且 7B 反超 40B
该研究在五个生物与人工序列的二分类任务上刻画了核苷酸级基础基因组语言模型 Evo 2 的上下文学习工作区间，发现短自然序列上表现稳健（miRNA 的 F1=0.902，毒素为 0.785），随序列长度增加而退化并在千碱基尺度崩溃，模型规模扩大无收益（7B 系统性优于 40B），困惑度难以预测准确率，并通过 logit-lens 与 Jacobian Scope 的机制可解释性分析提示存在预测—泛化权衡、模型可能追踪提示结构而非承载信号的序列内容。