只看论文，编程 AI 就能复现蛋白质设计工具？ReproBAIT：能做出一部分，最复杂的那个没做出来

配图：AI 生成的概念示意图，非论文原图；图中形状不代表真实分子结构或实验结果。

TL;DR：一篇 10 月 14 日提交到 arXiv 的论文提出 ReproBAIT，用来测试编程智能体能否在无网络沙箱里，只靠有限的描述自己设计、实现并训练生物 AI 工具。结果是部分工具复现得相当不错，但最复杂的一个（RFdiffusion3）复现能力有限，并不是"AI 什么都能造"。作者还发现了中等程度的"记住了开源工具"的证据，并建议工具开发者公开细节时更谨慎。

测了什么

论文题为《ReproBAIT: Can coding agents build their own biological AI tools?》，作者来自多家机构，共 11 人，2026 年 10 月 14 日提交到 arXiv（cs.AI，交叉 cs.CY、cs.LG）。

ReproBAIT 的全称是 Reproducing Biological AI Tools。做法是：让编程智能体待在没有互联网的沙箱里，给它训练数据、固定的时间和算力预算，以及关于目标工具的有限信息，让它从零设计、实现并训练这个工具。完成后，用保留数据集和各工具专属的指标给成果打分。

被测的三类工具是：逆向蛋白折叠工具 ProteinMPNN、全原子生成式扩散工具 RFdiffusion3，以及一个闭源的分子设计工具。

结果：能复现一部分，最复杂的没做成

据论文摘要，在多个领先的闭源和开源编程智能体上，部分被选中的工具能被相当程度地复现；而面对最复杂的工具，智能体的复现能力有限。按摘要的表述，这里最复杂的是开源的 RFdiffusion3。摘要页没有给出具体分数，因此本文不引用任何数值，细节请看论文正文。

是真会做，还是背过答案？

开源工具有个麻烦：它们可能早就出现在模型的预训练语料里。为此作者专门设计了检测记忆的方法。结论是：存在"中等程度"的、与记忆相符的证据，且不同智能体之间差异不小。也就是说，对开源工具的复现成绩，不能直接当成"纯靠推理造出来"。

为什么扯上双用途风险

作者的建议是：工具开发者应当更加谨慎地公开能让他人重新造出工具的信息。理由有两点：一是可能削弱工具的商业价值；二是可能破坏"受管理的访问"这类双用途风险管控策略，即只让通过审核的人使用强大的生物设计工具。如果智能体能凭论文描述重建工具，这道门槛就可能变薄。

需要留意的地方

目前这是一篇刚上线的预印本，尚未见到独立的第三方报道或同行评审，结论应视为作者的一家之言。"有限复现"和"中等记忆证据"也都是摘要层面的定性表述。至于"最复杂的没做出来"能撑多久，随着智能体变强，答案很可能会变。

来源：arXiv 论文页面 | 论文地址：arXiv:2610.19810