回复：单细胞基础模型的更深层次评价

回复者：R. Boiarsky等。自然机器智能https://doi.org/10.1038/s42256-024-00949-w（2024）其次，scBERT还可以通过将未见的查询单元标记为“未知”来用于新的类发现任务，而L1逻辑回归方法容易出现错误分配，因为它必须强制预测已知的单元类型。虽然同样的方法可以应用于逻辑回归模型的softmax输出，但在浅层模型（如逻辑回归）中由softmax导出的置信水平可能是不可靠的。这种不可靠性在新的、分布外的数据中尤为明显，这些数据往往落在这些模型错误地显示出高可信度的区域。相比之下，深度模型，如scBERT模型，在处理训练集以外的数据时表现出更高的不确定性，从而为新数据提供更可靠的预测。我们在Boiarsky等人的扩展图1和原始scBERT论文的图4中进行的实验结果证实了这一断言，其中逻辑回归（LR）模型对新细胞类型的预测几乎为零精度，而scBERT在相同任务中达到了很高的精度。