技术报告 · DeepAutonomy

Bioinfoysis：面向长程生物信息学分析的多智能体框架

一个持久化、以分析产物为依据的分析执行框架，融合自适应规划、受规范约束的技能与受控执行，在 BixBench 上达到当前最优的准确率。

2026年8月DeepAutonomy 团队

摘要

Bioinfoysis 是一个多智能体执行框架，将每个请求表示为一个持久化、以分析产物为依据的分析运行。它结合全局规划与逐步、证据驱动的重新规划，通过结构化交接协调专业智能体，并保留检查、恢复或验证分析所需的全部中间产物、执行轨迹与决策。在 BixBench 上，Bioinfoysis 取得了当前最优的 82.4% 准确率。在 LAB-Bench2 的四种底层语言模型上，该框架将 SeqQA2 的平均准确率从 41.65% 提升至 69.69%，将 DbQA2 的平均准确率从 3.13% 提升至 27.60%。

01 · 引言

为什么生物信息学需要受规范约束的执行框架

现代生物信息学分析天然具有长程特征：一个请求可能需要跨越多个相互依赖的步骤，完成数据检查、工具选择、统计建模、代码执行与结果解读。通用语言模型能够对单个步骤进行推理，却难以在持续数小时的分析中保持连贯——中间结果可能丢失，工作流程可能偏离目标，输出也可能变得无法验证。

Bioinfoysis 通过受规范约束的执行框架应对这些问题。系统将每次分析作为独立、持久化的运行进行管理；评价其质量时，既关注最终答案，也关注得到答案的过程能否执行、检查、恢复和验证。这一设计由以下五项能力构成：

协同式多智能体分析——为规划、研究、编码和报告设置专业角色，并通过结构化交接进行协调。
以证据为依据、以技能为规范的执行——结论必须由实际执行的代码和经过验证的分析产物支持；生物信息学技能则将符合领域规范的流程编码为可复用程序。
按角色定制的上下文与持久记忆——每个智能体获得适合其角色、兼顾上下文预算的运行视图，并共享有证据支持的跨运行记忆。
结构化交接与分析产物的连续传递——结果在传递给后续步骤时，保留其来源、相关产物和不确定性。
基于执行轨迹的审计与评估——记录每次调用、工具使用和失败，以支持审计与恢复。

02 · 系统架构

三层架构，五类角色

系统由三层组成：编排层维护自适应计划与检查清单；科学能力与执行层提供工具、受规范约束的技能、隔离的代码执行和分析产物验证；可观测性层记录执行轨迹、分析统计和审计记录。

Bioinfoysis 多智能体架构：编排层、科学能力与执行层、可观测性层 — 图 1。Bioinfoysis 框架概览。协调者、规划者、研究者、编码者和报告者这五类功能角色围绕自适应检查清单协作，并可选择加入人工反馈关卡。计划获准后，规划者进入“规划—监督”模式，审查各步骤的结果，并在证据表明有必要时触发重新规划。

自适应规划

Bioinfoysis 在每个步骤后都可重新规划，而非采用固定的“先规划、后执行”流程。规划者先给出全局计划，再根据陆续产生的中间结果修订剩余检查清单。统计检验失败、意外的数据结构或相互矛盾的发现，都可能触发有边界、由证据驱动的重新规划，避免盲目继续执行。

受规范约束的技能与工具

领域正确性被编码为技能：可复用、可进行版本管理的流程，例如差异表达分析、富集分析、变异检测和质量控制。这些技能明确适用的输入、前提假设和预期产物，使编码智能体遵循科学上合理的工作流程，而非临时拼凑脚本。

03 · 智能体基础设施

持久化运行与基于分析产物的执行

持久化运行与受控执行

每次分析均以持久化运行的形式存储，具有稳定的标识符、已登记的输入、工作流状态、有序事件历史和分析产物索引。各次运行在专属工作空间内执行，改变状态的操作按顺序串行进行，避免并发分析互相覆盖。中断的运行可以在同一标识符下，从有效检查点继续。

按角色定制的上下文与持久记忆

系统不会将完整对话塞进每一个提示词。不同角色获得各自需要的视图：规划者看到任务与检查清单，编码者看到当前步骤和相关输入，报告者看到经过验证的结果。大型工具输出存放在提示词之外，通过稳定的标识符引用；只有已完成运行中有证据支持的事实，才会被写入持久记忆。

基于分析产物的执行

生成的输出作为运行产物进行管理，而不仅是回复中提到的文件路径。报告所引用的脚本、表格和图像必须在获准的工作空间内解析定位，检查其是否真实存在，并按输出要求进行验证。在运行完成前，对外产物会冻结定稿，并以内容哈希建立索引；如果必需的交付物无法发布，该运行就不会被报告为成功。

执行轨迹、审计与恢复

系统向用户提供经过脱敏处理的公开事件流，同时在内部轨迹中记录智能体调用、工具使用、检索与失败。恢复以检查点为基础：发布操作和记忆更新受到保护，避免重复应用；取消操作则在安全的工作流边界停止，使运行仍可恢复。

系统质量不仅取决于答案本身，更取决于得到答案的过程能否执行、检查、恢复和验证。

04 · 评测结果

BixBench 达到当前最优，LAB-Bench2 持续提升

我们采用互为补充的基准测试进行评估：BixBench包含 61 个真实分析任务包，覆盖约 20 个领域、共 205 道开放式问题，用于衡量端到端的可执行分析能力；在LAB-Bench2中，我们重点评估 SeqQA2（400 道题）和 DbQA2（86 道题），分别衡量序列分析推理与数据库检索能力。

BixBench：准确率 82.4%，位居第一

以 Kimi-K2.6 为底层智能体模型时，Bioinfoysis 在 205 道题中答对 169 道，比排名第二的 GPT Rosalind 高出 7.3 个百分点，分别比 GPT-5.4 Agent 和 Grok-4.2 Agent 高出 9.2 和 9.6 个百分点。与面向生物信息学的系统相比，它分别比 Biomni Lab 和 BioAgent 高出 30.2 和 33.6 个百分点。考虑到生物信息学中的分析规范可能影响结论，我们还额外审查代码执行的正确性、分析产物的生成及可追溯性；基准测试审计规程详见完整报告。

BixBench 排行榜：Bioinfoysis 与通用及生物信息学智能体系统的对比 — 图 2。BixBench 排行榜。Bioinfoysis 以 82.4%（169/205）的准确率位居第一，比排名第二的系统高出 7.3 个百分点。

表 1Bioinfoysis（Kimi-K2.6）在 BixBench 各领域的表现
领域	任务包数	答对数	题目数	准确率
功能基因组学与通路富集	9	22	31	70.97%
基因组变异分析	7	14	16	87.50%
转录组学与差异表达	10	30	42	71.43%
系统发育与比较基因组学	15	45	51	88.24%
表观基因组学	2	9	12	75.00%
临床研究与生物统计学	3	16	18	88.89%
生物成像与定量表型分析	4	21	21	100.00%
单细胞转录组学	1	2	2	100.00%
蛋白质组学	1	4	4	100.00%
多组学整合与机器学习	1	2	2	100.00%
微生物基因组学与抗微生物药物耐药性	1	4	6	66.67%
总体	54	169	205	82.44%

错误主要集中在功能基因组学（70.97%）和转录组学（71.43%）：36 道答错的题目中，有 21 道来自这两个领域。这类任务中的决策相互依赖，例如样本选择、模型设定和标识符转换，因而早期错误可能传递到后续步骤。题目较少的类别（2–4 道题）取得 100% 的结果，不应被解读为相关能力已得到全面解决。

LAB-Bench2：四种模型均获得显著且稳定的提升

在 SeqQA2 上，Bioinfoysis 提升了所有受测模型的表现，其中 Kimi-K2.6、DeepSeek 和 GLM 分别提高 30.50、36.89 和 34.50 个百分点。许多序列分析问题可以转化为确定性操作，该框架会将这些操作拆解为明确、可执行的步骤。直接推理在 DbQA2 上的难度明显更高，基础模型的平均准确率仅为 3.13%；Bioinfoysis 则通过完成“检索—处理—作答”的完整流程，将平均准确率提升至 27.60%。

表 2LAB-Bench2 成功率：Bioinfoysis 与基础模型对比

基准测试	系统	Kimi-K2.6	GPT-5.5	DeepSeek	GLM-5.2	平均值
SeqQA2（400 道题）	Bioinfoysis	66.00%	75.00%	68.50%	69.25%	69.69%
SeqQA2（400 道题）	基础模型	35.50%	64.75%	31.61%	34.75%	41.65%
DbQA2（86 道题）	Bioinfoysis	30.20%	37.20%	22.10%	20.90%	27.60%
DbQA2（86 道题）	基础模型	1.60%	7.80%	3.10%	0.00%	3.13%

SeqQA2 使用 Kimi-K2.6、GPT-5.5、DeepSeek-V4-Pro 和 GLM-5.2。DbQA2 中报告的 DeepSeek 基础模型为 DeepSeek-V4-Flash，因此该列属于系统层面的对比，而非底层模型严格一致的对比。

SeqQA2 各任务类别成功率热力图：不同模型与系统的对比 — 图 3。SeqQA2 各任务类别的表现。每个单元格表示在特定模型与系统配置下，20 类 SeqQA2 任务中某一类别的成功率；红色越深，准确率越高。性能提升广泛分布于各类别，而非集中在少数类别。

消融实验：记忆与技能贡献最大

在采用 GPT-5.4、评估全部 205 道 BixBench 题目的实验中，移除持久记忆使准确率下降 22.44 个百分点，移除生物信息学技能使准确率下降 19.02 个百分点，这两者是最主要的贡献来源。ReAct 式规划带来 6.83 个百分点的贡献；移除全部技能后，准确率降至 42.44%。该框架也能迁移到不同模型，在 Kimi-K2.6、GPT-5.4 和 DeepSeek-V4-Pro 上保持 77–82% 的准确率。

表 3BixBench 组件消融实验（准确率变化相对于 GPT-5.4 完整配置）
配置	智能体模型	技能数	准确率	答对数	准确率变化
Bioinfoysis（完整配置）	Kimi-K2.6	78	82.44%	169/205	+3.41
Bioinfoysis（完整配置）	GPT-5.4	78	79.02%	162/205	0.00
Bioinfoysis（完整配置）	DeepSeek-V4-Pro	78	77.07%	158/205	−1.95
移除 ReAct 式规划	GPT-5.4	78	72.20%	148/205	−6.83
移除记忆	GPT-5.4	78	56.59%	116/205	−22.44
移除生物信息学技能	GPT-5.4	30	60.00%	123/205	−19.02
移除全部技能	GPT-5.4	0	42.44%	87/205	−36.59

05 · 作者

作者名单与致谢

核心贡献者

Qingyang Shao, Xin Zhang, Zhouyang Yuan, Xianying Chen.

贡献者

Yujia Xiang, Zihao Yang, Tong Ye, Yangqi Zhang, Jiakang Xu, Xiaoqing Yan, Xuan Luo, Keyi Li, Enci Fan, Kai Kang, Zhuohan Liu, Xingyu Jin, Chunran Teng, Tao Li, Xinyu Lv*, Minghui Wang*, Wenfeng Li*, Yidan Gao*, Siyu Liu, Mingrui Luo, Zhu Liang.

项目负责人

Guanren Qiao (guanrenqiao1@link.cuhk.edu.cn), Zhiping Xu (zhiping_xu@dascience.cn).

* 表示目前已离开团队的成员。

06 · 引用

引用 Bioinfoysis

如果 Bioinfoysis 对你的研究有所帮助，请引用本报告：

@article{shao2026bioinfoysis,
  title   = {Bioinfoysis: A Multi-Agent Framework for Long-Horizon
             Bioinformatics Analysis},
  author  = {Shao, Qingyang and Zhang, Xin and Yuan, Zhouyang and
             Chen, Xianying and others},
  journal = {arXiv preprint},
  year    = {2026}
}

METHODS / RESULTS / PROVENANCE

查看分析报告示例

通过实际分析报告，查看方法、图表、结果解释和可追溯记录的呈现方式。

查看示例报告

服务平台隐私政策

版本：v1.0

生效日期：2026年5月1日

一、政策范围

1.1 本隐私政策说明深度自主在提供Bioinfoysis生信 Agent 服务平台及相关网站、API、SDK、控制台、技术支持、客户成功、账单和安全服务时，如何收集、使用、存储、共享、转让、公开披露、保护和删除个人信息及相关数据。

1.2 本政策重点适用于平台注册用户、机构管理员、访客、联系人、API 使用者以及用户通过平台上传或授权处理的可能包含个人信息、健康信息、遗传信息或其他敏感信息的数据。

二、我们处理的信息类型

2.1 账号与身份信息：姓名、昵称、邮箱、手机号、公司/机构、部门、职位、登录凭证、认证状态、管理员配置、发票抬头和账单信息。

2.2 使用与设备信息：IP 地址、设备标识、浏览器、操作系统、日志、Cookie、访问时间、功能使用记录、API 调用、错误日志、任务状态、资源消耗、审计日志和安全事件记录。

2.3 用户上传与生成内容：序列文件、表达矩阵、变异数据、蛋白组/代谢组/单细胞等组学数据、样本元数据、表型和临床字段、实验记录、文献、代码、提示词、工作流、图表、报告和分析输出。

2.4 敏感信息：在特定场景下，用户上传内容可能包含个人敏感信息、健康医疗信息、遗传信息、生物识别信息、未成年人信息、患者或受试者信息。平台仅在提供服务所必要、用户授权或法律允许的范围内处理。

三、处理目的与法律基础

3.1 提供、维护和优化服务：创建账号、身份认证、项目协作、数据上传、任务运行、结果展示、报告导出、API 调用、客服支持和故障排查。

3.2 安全与合规：访问控制、风控、审计、异常检测、日志分析、漏洞修复、滥用防范、账单核验、争议处理、履行法律义务和响应监管要求。

3.3 产品改进：在去标识化、聚合化或取得授权的前提下，分析功能使用情况、性能瓶颈、错误类型和用户体验，以改进服务质量。

3.4 模型与算法优化：未经用户单独明确授权，平台不会使用可识别个人、机构或项目的用户数据训练面向其他客户的通用模型；如需使用用户数据进行模型优化、评测或案例展示，将另行取得授权并提供退出机制。

四、敏感个人信息与生信数据处理规则

4.1 对于遗传信息、健康医疗信息、个人生物样本相关信息、可识别患者/受试者信息等敏感信息，平台将采取更严格的访问控制、加密、隔离、最小化、审计和留存管理措施。

4.2 用户应在上传前确认其具备合法处理依据，并尽量删除直接身份标识符，避免上传与分析目的无关的信息。对需要保留身份映射关系的数据，用户应在本地或受控环境中独立管理映射表。

4.3 如用户处理未成年人、患者、临床试验受试者、跨境科研协作或人类遗传资源相关数据，应自行完成适用的同意、伦理审查、合同、审批、备案、影响评估和数据出境要求。

五、Cookie 与类似技术

5.1 平台可能使用 Cookie、本地存储、日志标识符和类似技术，以实现登录状态保持、安全校验、偏好设置、性能统计和产品分析。

5.2 用户可通过浏览器设置限制或删除 Cookie，但部分功能可能因此无法正常使用。

六、委托处理、共享与第三方服务

6.1 为提供服务，平台可能委托云服务商、模型服务商、短信/邮件服务商、支付/开票服务商、数据处理工具、监控与安全服务商等处理必要信息。平台将通过合同、权限控制和安全评估要求受托方按照本政策和适用法律处理数据。

6.2 除以下情形外，平台不会向第三方共享可识别个人或机构的用户数据：取得用户明确授权；为履行订单或提供必要服务；处理安全事件、争议、投诉或法律程序；依法响应监管、司法、执法或审计要求；企业合并、分立、收购、资产转让等交易中依法进行必要披露并要求继受方继续受本政策约束。

平台不会出售个人信息。

七、存储期限与删除

7.1 平台将在实现处理目的所需的最短期限内保留个人信息和用户数据，或按订单、数据处理协议、用户配置、备份周期、审计要求、法律义务和争议解决需要保留。

7.2 用户可在权限范围内删除项目、文件、任务、报告、API Key 或账号。因备份、审计、合规或安全原因，删除可能不会立即从所有系统副本中完成，但平台将限制访问并在合理周期内完成清除或匿名化。

7.3 服务终止或账号注销后，平台将依据合同约定和法律要求删除、匿名化或返还相关数据。

八、安全措施

8.1 平台将采取合理的技术和组织措施保护数据安全，包括传输加密、存储加密、访问控制、最小权限、密钥管理、隔离计算、日志审计、漏洞管理、备份恢复、人员保密和安全培训。

8.2 尽管平台采取安全措施，互联网和复杂计算环境无法保证绝对安全。用户应妥善管理账号、权限、密钥和下载文件，并及时报告异常访问、密钥泄露或数据安全事件。

安全事件联系方式：product@bioinfoysis.com。

九、个人权利

9.1 在适用法律允许的范围内，个人可请求访问、复制、更正、补充、删除其个人信息，撤回同意，限制或拒绝部分处理，注销账号，获取个人信息副本，解释自动化决策规则，或投诉举报。

9.2 由于本平台主要面向机构用户处理其上传的数据，若个人信息由用户机构控制，平台可能需要将请求转交或要求请求人联系相应机构。平台将在核验身份和权限后依法协助处理。

9.3 撤回同意或删除信息可能导致相关功能无法继续使用，但不影响撤回前基于同意已进行处理的效力。

十、未成年人信息

10.1 本服务主要面向具备专业能力的科研、企业、医疗或教育机构用户，不面向未成年人直接提供服务。

10.2 如用户上传或处理未成年人相关信息，应确保已取得监护人同意或具备其他合法依据，并采取更严格的最小化和安全保护措施。

十一、自动化决策与 AI 分析

11.1 平台可能使用算法或 AI Agent 进行任务推荐、错误提示、内容分析、报告生成、安全风控或资源调度。此类处理通常用于辅助用户完成分析，不应作为对个人产生重大影响的唯一决策依据。

11.2 如某项自动化处理可能对个人权益产生重大影响，平台将根据适用法律提供必要说明、申诉渠道或人工复核机制。

十二、政策更新

12.1 平台可根据法律法规、服务功能、数据处理方式或经营安排更新本政策。重大更新将通过站内通知、邮件、弹窗、控制台公告或其他合理方式提示用户。

12.2 用户继续使用本服务即表示接受更新后的政策；如用户不同意重大变更，可停止使用相关服务并按合同约定导出或删除数据。

十三、联系我们

13.1 隐私、数据保护、个人权利请求、投诉或安全事件报告请联系：product@bioinfoysis.com。

13.2 为保护数据安全，平台可能要求请求人提供必要身份、权限或机构授权证明。

服务平台用户协议

版本：v1.0

生效日期：2026年5月1日

一、协议范围与接受

1.1 本用户协议（“本协议”）适用于用户访问、注册、登录、购买、试用或以其他方式使用由深度自主运营的Bioinfoysis生信 Agent 服务平台报告生成、协作空间、数据存储与技术支持服务（合称“本服务”）。

1.2 用户点击同意、注册账号、上传数据、调用接口或实际使用本服务，即表示已阅读、理解并同意受本协议约束。若用户代表机构、公司、医院、实验室、课题组或其他组织使用本服务，应确认其有权代表该组织接受本协议。

二、服务定位与重要限制

2.1 本服务旨在为生命科学研究、生物信息学分析、文献与数据库检索、流程编排、数据可视化、报告草拟、代码辅助、结果解释建议等场景提供自动化与智能化辅助。

2.2 除非双方另有书面约定且本平台已取得相应资质，本服务不构成医疗器械、体外诊断产品、临床诊断系统、药品审评系统、临床决策支持系统或医疗服务；平台输出不得作为唯一的诊断、治疗、用药、遗传咨询、疾病风险判断或患者管理依据。

2.3 涉及人体样本、患者数据、临床试验、药物研发、伦理审查、数据出境、遗传资源、病原微生物、高致病性材料或其他受监管事项的，用户应自行确保其使用、上传、处理和导出行为已取得必要授权、同意、审批、备案、伦理批准和合规依据。

三、账号、权限与机构管理

3.1 用户应提供真实、准确、完整的注册和认证信息，并在信息变更时及时更新。平台可基于安全、合规、计费或风控需要要求用户进行邮箱、手机、企业、科研机构或管理员认证。

3.2 用户应妥善保管账号、密码、单点登录凭证和多因素认证设备。因用户保管不善、权限配置错误、共享账号或第三方未经授权使用导致的损失，由用户自行承担。

四、用户数据与授权

4.1 “用户数据”包括用户上传、输入、同步、连接或授权平台处理的序列数据、组学数据、表型数据、临床或健康相关信息、样本元数据、实验记录、文献、代码、图片、文件、数据库连接信息、提示词、工作流配置、分析结果和报告等。

4.2 用户保留其用户数据及分析输出中依法归其所有的权利。为提供本服务，用户授予平台在服务期限内、为履行合同和实现服务目的所必要的、非独占、全球范围内、可转授权给必要服务提供商的处理、存储、复制、格式转换、索引、计算、展示、备份和安全检测权利。

4.3 未经用户明确授权，平台不得将可识别用户或个人的数据用于训练面向其他客户的通用模型；如平台提供“贡献数据优化模型”“共享知识库”“公共基准评测”等可选功能，应以单独、明确、可撤回的授权为前提。

4.4 用户应确保其有权上传和处理用户数据，并已依法取得数据主体、样本提供者、患者、受试者、合作方、数据提供方或权利人的同意、授权或其他合法依据。

五、生信数据、遗传数据与敏感信息特别条款

5.1 用户不得上传其无权处理的数据，尤其不得上传非法获取、未经授权抓取、违反知情同意、伦理批件、数据使用协议、数据库许可或法律法规的数据。

5.2 如用户上传个人信息、个人敏感信息、个人健康信息、遗传信息、基因组数据、可识别患者信息、受试者信息或未成年人信息，用户应在上传前完成必要的去标识化、最小化、访问控制、风险评估和授权管理，并确保平台处理符合适用法律。

5.3 平台可根据风险控制需要对包含高敏感信息的数据集设置加密存储、隔离计算、脱敏展示、下载限制、访问审批、审计留痕、保留期限和删除策略。

六、AI Agent 输出与用户复核义务

6.1 本服务可能基于机器学习模型、大语言模型、工具调用、公共数据库、第三方 API、用户知识库和自动化脚本生成分析建议、代码、图表、报告或结论。AI 输出可能存在错误、遗漏、偏差、幻觉、过时信息、数据库注释差异、参数不适配或不可复现情形。

6.2 用户应由具备相应资质和专业能力的人员对所有输入、参数、流程、版本、数据库、统计方法、代码、阈值、结果和结论进行独立复核。未经复核，不得将平台输出用于临床、监管申报、商业决策、发表、专利、投资、诊疗或其他重大事项。

6.3 平台可提供可追溯信息，例如模型版本、工作流版本、数据库版本、参数、日志、引用来源和运行环境，但不保证所有第三方工具或模型输出均可完全解释或复现。

七、用户行为规范

7.1 用户不得利用本服务实施违法违规行为，不得侵犯第三方知识产权、隐私权、人格权、商业秘密或数据权益。

7.2 用户不得上传恶意代码、病毒、木马、后门、挖矿程序、攻击脚本或破坏平台稳定性的内容；不得进行爬虫滥用、绕过计费、绕过安全限制、逆向工程、压力攻击、未授权渗透测试或批量注册。

7.3 用户不得利用平台设计、优化、合成或传播违反法律法规、伦理规范或生物安全要求的病原体、毒素、危险生物材料、规避检测方案或其他可能造成公共安全风险的内容。

八、第三方服务、开源工具与数据库

8.1 本服务可能集成云计算、对象存储、模型服务、向量数据库、文献数据库、公共生物数据库、开源软件、容器镜像、工作流引擎和第三方插件。第三方服务可能受其各自条款、许可协议和可用性限制约束。

8.2 用户使用特定数据库、软件包、模型或插件时，应自行遵守其许可、引用、署名、商业使用限制、再分发限制、出口管制和数据使用条款。平台可基于合规、安全、成本或技术原因调整、暂停或替换第三方组件。

九、费用、订阅与资源限制

9.1 如本服务包含付费套餐、API 调用、算力、存储、数据库访问、专属部署、技术支持或增值模块，具体价格、计费口径、额度、超额费用、退款规则和付款期限以订单、报价单、控制台展示或双方书面约定为准。

9.2 平台可为保障服务稳定性设置并调整并发、调用频率、存储容量、任务时长、文件大小、队列优先级、导出次数和 API 限额。超出限额可能导致任务排队、降级、暂停或产生额外费用。

十、知识产权

10.1 平台及其软件、界面、模型编排、系统架构、Agent 模板、提示词框架、工作流组件、文档、商标、品牌、数据库结构和服务相关技术成果由平台或其许可方拥有。

10.2 用户不得复制、修改、反向工程、反编译、出租、出借、出售、转授权、抓取、镜像、竞争性使用或以其他方式侵犯平台知识产权。

10.3 用户使用平台生成的分析输出，其权属在不违反法律、第三方权利、数据库许可、开源许可和本协议的前提下归用户或其所属机构享有；但平台不保证 AI 输出具有独创性、可版权登记性、可专利性或不侵权。

十一、保密

11.1 双方应对在使用或提供本服务过程中知悉的非公开技术、商业、科研、项目、价格、数据、算法、样本、报告和安全信息承担保密义务。

11.2 保密信息不包括已公开、非因违约公开、接收方合法已知、从第三方合法取得或由接收方独立开发的信息。法律法规、监管、司法或证券披露要求披露的，应在允许范围内提前通知对方并采取必要保护措施。

十二、服务变更、中止与终止

12.1 平台可基于安全、合规、功能升级、系统维护、第三方服务变化或经营安排调整服务。重大变更将以合理方式通知用户。

12.2 如用户违反本协议、法律法规、伦理或生物安全要求，或存在安全风险、欠费、侵权投诉、监管要求，平台可采取限制访问、暂停任务、冻结账号、删除违法内容、终止服务等措施。

12.3 服务终止后，平台将依据订单、隐私政策、数据处理协议、备份机制和法律要求保留或删除用户数据。用户应在终止前自行导出需要保留的数据。

十三、免责声明与责任限制

13.1 在法律允许范围内，本服务按“现状”和“可用”提供。平台不保证服务不中断、无错误、完全安全、完全适配用户目的，也不保证 AI 输出、第三方数据库、文献、注释、代码或建议完全准确、完整、及时或可复现。

13.2 因用户数据质量、样本污染、批次效应、参数选择、数据库版本、统计方法、外部服务、网络故障、不可抗力、用户违规使用或用户未进行专业复核导致的损失，平台不承担责任。

13.3 除法律另有强制规定外，平台在本协议项下对用户承担的累计赔偿责任以用户在导致责任事件发生前十二个月内就相关服务实际支付的费用总额为上限。

十四、适用法律与争议解决

14.1 本协议的订立、效力、解释、履行和争议解决适用【中华人民共和国法律/约定适用法律】，不适用冲突法规则。

14.2 因本协议或本服务产生的争议，双方应先友好协商；协商不成的，提交【仲裁委员会/有管辖权法院】解决。

十五、联系方式

15.1 用户对本协议或服务有疑问、投诉、合规请求或安全事件报告的，可通过 product@bioinfoysis.com 联系平台。