结论
约翰内斯·开普勒大学团队公开预印本《BatchBench: Benchmarking AI Robustness to Batch Effects and Domain Shift in Biomedical Images - A JUMP Cell Painting Leaderboard》，提出面向生物医学影像批量效应与域偏移的开放排行榜BatchBench。作者报告称，在JUMP-CP-2k与四个私有未见源上，无自适应的ResNet18总体准确率为0.175，按测试板重估批量归一化的AdaBN升至0.244，其中阳性对照子集由0.465升至0.646，但靶点与长尾稀有化合物子集几乎无提升。这是作者在固定划分与特定基线上的单次报告结论，尚未经过同行评审，也未经本站独立复现，不应视为普遍、因果或可直接部署的事实。
研究状态与发布时间
该工作以arXiv预印本形式首次公开，版本为v1。arXiv摘要页记录的提交时间为2026年10月21日17时50分22秒UTC，换算为北京时间为2026年10月22日01时50分22秒，因此归入本次上海日历日10月22日窗口。arXiv当日cs.LG与cs.AI新论文列表明确标注为2026年10月22日星期四的新提交，摘要页与HTML全文页均可确认该时间。论文主题为生物医学影像的域自适应基准与排行榜，不涉及商业模型发布、产品功能上线或仓库版本本身，归入研究进展符合收录边界。
研究对象与方法
研究对象是在连续产生新批次数据的药物发现等场景下，需识别化学扰动的Cell Painting图像模型。作者指出，训练与测试常来自不同实验批次、板与站点，非生物学差异即批量效应会使同分布假设失效。作者基于JUMP-CP构建JUMP-CP-2k，选取最常见的2000种化合物，每孔随机抽一张视野，取500乘500中心裁剪并做光照校正，每样本附源、批次、板元数据与DMSO阴性对照。公开的九个源中八个用于训练、源2用于验证，源4、6、9与13作为不公开的私有测试集。排行榜提交为公开Git仓库加提交哈希，评估服务器以容器构建并调用adapt与predict两个方法，允许利用未标注测试图与元数据做测试时自适应，不自适应的方法将adapt实现为空操作。
评估条件与数据范围
任务为单张五通道图像的2000分类，输入通道为DNA、RNA、内质网、AGP与线粒体，输出为细胞所受化合物标签，测试图全部来自未见源、未见批次与未见板。除总体准确率外，排行榜分报三个难度递增的子集：每板都有的八种阳性对照POSCON，训练图多且表型强；覆盖多样生物靶点的293种JUMP-Target即TARGET；其余长尾REST，公开划分中每类约12张图。公共与测试还存在标签偏移，POSCON占比由51%降至36%，TARGET由25%升至55%，REST由24%降至9%，因此同时检验协变量偏移与标签偏移。开发用小版本JUMP-CP-MNIST与JUMP-CP-2k-200沿用同样源划分，排名只在全分辨率私有测试上计算。以上范围均来自当日论文内同一套协议，不涉及其他领域数据。
作者报告的主要结果
作者以ResNet18为骨干并将首卷积改为五通道，初始化六条基线。作者称无自适应为0.175总体准确率，按板重估批量归一化统计的AdaBN升至0.244，主要增益来自POSCON，TENT的熵最小化在POSCON更高但在TARGET与REST无提升，域不变训练DANN为0.170未超基线，元学习的ARM-BN与CS-ARM-BN同样未解决少图问题。作者称POSCON显著高于TARGET与REST，与每类训练图数量、类别数与表型强度一致，当前所有条目均未补偿弱表型少图在未见源上的失效。编辑解释是：局部持留领先不等于通用生物医学影像最优，0.244仍远非可用水平，不构成对其他骨干、其他站点或真实部署成本的保证。
局限与不确定性
本工作为预印本，未经同行评审，结论限JUMP-CP-2k固定抽样、九公开加四私有源划分、ResNet18特定实现与贝叶斯调参选源2流程，不推广到其他显微镜基础模型、训练框架与真实业务环境。总体准确率被POSCON与TARGET主导超九成，偶然水平为两千分之一，稀有类进展必须看分项而非总体。测试时自适应依赖测试图分组与元数据质量，在双偏移下已知方法易退化，禁止用保留源做训练、预训练或选模的规定依赖提交自律与人工评估。引用前需等待独立复现，不应将受控相关性写成因果或已获认可的事实。
潜在意义
若后续复现成立，该路线提示生物医学影像的鲁棒性评价应固定为源级未见源检验，并同时报告总体与POSCON、TARGET、REST分项，避免总体掩盖长尾失效；容器化私有测试与adapt接口为跨域泛化、测试时自适应与上下文自适应提供了可比通道。但在复现与评审完成前，中国读者宜将其视为待验证的研究候选，而非可直接选型或临床决策的结论。