Codex use case
探索蛋白質摺疊模型
將蛋白質摺疊假設轉化為以基準測試評估的實驗迴圈。
使用 Codex 搭配目標模式，研究並實作 AlphaFold2 的新型架構變更，以改善蛋白質摺疊效能。
最適合
- 想以可自動評分的基準測試來評估架構、損失函數或課程學習策略調整的計算生物學家。
- 已有具科學依據的假設，並希望縮短從構想到可運作的實驗分支版本所需過程的研究人員。
- 需要執行長時間自動研究迴圈，並持續追蹤實驗、反覆偵錯的 ML 工程師。
Contents
探索蛋白質摺疊模型
將蛋白質摺疊假設轉化為以基準測試評估的實驗迴圈。
使用 Codex 搭配目標模式，研究並實作 AlphaFold2 的新型架構變更，以改善蛋白質摺疊效能。
使用 Codex 搭配目標模式，研究並實作 AlphaFold2 的新型架構變更，以改善蛋白質摺疊效能。
最適合
- 想以可自動評分的基準測試來評估架構、損失函數或課程學習策略調整的計算生物學家。
- 已有具科學依據的假設，並希望縮短從構想到可運作的實驗分支版本所需過程的研究人員。
- 需要執行長時間自動研究迴圈，並持續追蹤實驗、反覆偵錯的 ML 工程師。
起始提示詞
探索蛋白質摺疊架構假設
若你的蛋白質摺疊假設需要經過多次 實作才能驗證，請使用 Codex 目標模式。請為 Codex 提供範圍明確的科學方向、 可運作的基準模型，以及可自動評分的基準測試。Codex 可以實作 架構分支版本、追蹤實驗、診斷失敗並繼續 迭代，而你可以審查相關證據。
這個範例從一個具體問題出發：如果 AlphaFold2 風格模型的主幹 不只表示殘基和殘基對，還能表示明確的高階拓撲 物件，模型是否就能更有效率地學習有用的蛋白質幾何 結構？
定義範圍明確的實驗
AlphaFold2 的 Evoformer 已運用強大的成對推理和三角形推理。 其三角形運算可改善邊表示，但仍會 寫回成對張量。該科學家提議測試，可持續保留且 由模型學習得到的三角面與四面體胞元表示，是否能 在資料有限的情境下提供實用的歸納偏置。
由此產生的公開程式碼庫 SimplexFold，
新增了稀疏的面狀態 F_ijk 與四面體狀態 U_ijkl，並保留
傳統的成對表示 Z_ij。
MSA representation M
<-> pair / edge tensor Z_ij
<-> sparse face tensor F_ijk
<-> sparse tetra tensor U_ijkl
-> structure module
-> recycled geometry
loops back into the next pass先從本頁的入門提示詞、最精簡的 AlphaFold2 風格基準模型， 以及公開的 NanoFold 基準測試開始。此基準測試提供小型且經過精選、 採用固定資料並可自動評分的測試平台，適合用於結構生物學 實驗。第一版實作應保持精簡，以便 透過針對性的單元測試和微型基準測試加以驗證，再啟動成本高昂的訓練 作業。
使用目標模式進行搜尋
- 提供一項可證偽的高層次科學假設，而不是要求模型從零開始自行設計整套研究議程。
- 在 ChatGPT 中使用 GPT-5.5 Pro，將這個研究方向轉化為明列限制條件與消融實驗的實作計畫。
- 請 Codex 實作最精簡且可執行的 SimplexFold 基準版本，再以針對性的單元測試與微型基準測試進行驗證。
- 將產生的程式碼庫交給 Codex 目標模式，並指示它透過爬山式搜尋，提高 NanoFold 基準測試驗證集的
lDDT-Cα分數，同時保留實驗紀錄、計畫及產出項目的參照資訊。 - 讓目標模式持續執行，並運用基準測試回饋，反覆調整架構、訓練方案與實驗任務執行框架。在這個範例中，迴圈執行了超過 150 小時。
使用 PLAN.md 記錄目前策略與後續步驟，以 EXPERIMENTS.md 來
結構化記錄結果，並以 EXPERIMENT_NOTES.md 作為持續更新的隨手筆記。
這些檔案讓長時間執行的搜尋過程可供稽核，並提供穩定的
著力點，方便你引導下一次迭代。
目標模式很適合此處，因為這類搜尋需要反覆實作、 測試、追蹤實驗、診斷失敗，以及依據基準測試結果進行 迭代。未經引導的自動研究通常會逐漸偏向熟悉的局部變更， 例如損失函數、最佳化器與超參數。由科學家提供的精簡 架構假設，為 Codex 界定更有意義的搜尋空間，同時仍保留 測試、診斷和改進實作的餘地。
這套工作流程也適合團隊用來評估科學家參與迴圈 並提供引導時，會如何影響智慧體式科學搜尋的品質。
範例結果
這套工作流程的成果是 SimplexFold， 一種具有明確高階單純形狀態的實驗性架構。請一併審查 拓撲與基準測試紀錄，以確認每次迭代仍在 檢驗原始的科學構想。
值得汲取的重點並不是 Codex 已自主解決蛋白質摺疊問題。這套 工作流程展示了目標模式如何作為持續運作的科學工程 迴圈：科學家提出關鍵的概念轉變，而 Codex 則縮短 實作、實驗、偵錯與後續搜尋的週期。
請將具潛力的診斷結果視為實作路徑可行的證據， 而不是泛化能力的證明。請定期審查智慧體的探索軌跡；若它 流於局部超參數調整，請將其導回具有科學意義的架構問題；並且只在 完成條件相符的公開驗證比較與適當的重複實驗後， 才將結果提升為正式主張。
