评测与安全AI 资源

verifiable-science-envs：面向 HLA 与免疫遗传学的可验证奖励 RL 环境与评测基准

jasonbrelsford/verifiable-science-envs · Verifiable-reward RL environments and evals for scientific domains, starting with HLA/immunogenetics

GitHub原文发布未知首次收录 2026-11-06上架 2026-11-06 07:03

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

该项目基于固定版本的 IPD-IMGT/HLA 数据构建确定性、可逐行审计的评分器，为临床基因组学（当前聚焦 HLA/免疫遗传学）提供强化学习环境与评测套件。包含 HLA 命名法基准 HLA-Bench-A（550 题）、供受者匹配基准 HLA-Bench-C（205 题）以及相位任务族；同时附带 HLA-Verify 校验 API（校验、规范化、等位基因查询、匹配打分、药物基因组提示）、MCP 服务器与可复现 notebook。开放核心部分为 Apache-2.0，API 服务为 PolyForm 非商业许可。

# MCP # 基因组学 # 幻觉检测 # 模型验证 # 评测集

核心能力与快速开始

★ 0 · JavaScript

能做什么: 提供可执行判定标准的 HLA 命名法与供受者匹配评测集和生成器，覆盖截断、表达后缀、G/P 组、血清学、改名历史、无效等位基因、6/6–12/12 匹配框架等；附带基于固定版本 IPD-IMGT/HLA 的 HLA-Verify REST API（verify、normalize、allele 查询、match、PGx 筛查）与 MCP 工具服务器，可用于校验模型输出中的等位基因名、规范化分型报告与匹配打分。
适用场景: 评测和比较不同 LLM 在临床基因组学命名法与匹配任务上的表现；检测模型虚构等位基因名等幻觉行为；在 Agent 流程中调用 MCP 或 API 校验 HLA 文本、规范化分型报告或计算供受者匹配分；复现论文中的基准结论。
项目形态: 研究实现
部署方式: 可自托管：pip 安装后以 uvicorn 启动 FastAPI 服务，或构建 Docker 镜像；另有托管在线 API（api.hlaverify.com）与浏览器端演示。托管 API 匿名额度为每 IP 每天 100 次、每分钟 60 次请求，更高配额需申请密钥。
主要依赖: Python 环境（pip 安装可选 dev/service/mcp 依赖），首次运行需下载约 33 MB 参考数据；本地模型可通过 Ollama 运行，Anthropic/OpenAI/Gemini 客户端需相应 API 密钥。具体硬件要求未说明。
使用限制: 仅覆盖人类临床基因组学信息学，不含序列、病原体或湿实验流程；仅支持固定版本 IPD-IMGT/HLA 数据，不支持其他版本；不展开 NMDP 多等位基因代码，不处理纯血清学分型，KIR 基因仅识别为超出范围；API 服务为 PolyForm 非商业许可，商用需授权；药物基因组功能仅作指南查询，非医疗器械。
许可证: Apache-2.0
最近推送: 2026-11-06 04:23

官方入门项目文档核对 README 依据 ↗

资料检查：2026-11-06 07:00 · 卡片整理：2026-11-06 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证

相似资源

GTA Housing Pipeline：整合大多伦多地区四个政府开放住房数据并用自然语言查询

该项目从多伦多、密西沙加、布兰普顿和皮尔区的开放数据门户及加拿大统计局采集新房与住房项目记录，用 DuckDB 将不同定义与格式的数据统一为星型模型，并提供基于规划器、执行器和批判器的自然语言查询层、60 题评测集、Power BI 报告与 Next.js 网页应用，还附带可选的 AWS Athena 分析层与数据质量审计记录。

VerInf：为 LLM 推理生成零知识证明

VerInf 是一个研究原型，用于为大型语言模型推理生成零知识证明。它针对已训练的浮点模型，通过证明观测到的输出流与已承诺的整数模型之间的相似性，并给出“未解释信息”的比特数上界，而不是要求逐位精确复现。项目采用仅基于哈希的承诺，无需可信设置，构造上具有后量子可能性；证明除该上界和公开声明列表外不泄露权重、激活值或隐藏 token。README 记录了 400B 参数 Llama 4 Maverick 全模型 1000 token 前向的可信证明（单台 DGX Spark 约 14.3 小时，证明体积 93.6 GB），以及 32 层 Llama-2-7B 的较小验证门（约 44 分钟证明、23 分钟验证）。项目包含 Python+CUDA 证明器、独立 Rust 验证器、示例与设计文档。

Ua Toolbox：面向 19 款 AI 编程工具的提示词与技能管理器

Ua Toolbox 是一款基于 Qt 6 / C++20 的桌面应用，用中英双语界面集中选择、安装和管理 19 款 AI 编程工具的提示词与技能包。它捆绑 134 项技能（40 项内置、94 项上游技能），支持显示目标路径、异步安装进度、备份与事务回滚、外部修改冲突检测，并通过原生共享技能目录（如 VS Code 的 ~/.agents/skills）或随包附带的只读 MCP 服务（list_skills、read_skill、read_asset）让客户端按需读取同一套技能。项目以非商业源码可见许可发布，仅限个人非商业学习与研究使用。

Browserbase MCP Server：让 LLM 通过 MCP 控制云端浏览器并执行网页自动化

Browserbase MCP Server 是一个基于模型上下文协议（MCP）的参考实现，结合 Browserbase 云浏览器与 Stagehand，向 LLM 提供 start、end、navigate、act、observe、extract 六个工具，用于会话管理、页面导航、页面操作、可操作元素观察和数据提取。项目仓库已归档、不再维护，官方建议使用其托管版 MCP 服务器；可通过托管 SHTTP 或自托管 STDIO（NPM、本地构建或 Docker）方式接入 MCP 客户端，使用需配置 Browserbase API Key、Project ID 及模型 API Key。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。