bioRxiv

内容与规模

bioRxiv 由 Cold Spring Harbor Laboratory 运营，收录未经同行评审的生命科学预印本。API 实测 2025 全年 67,211 条记录、新稿 49,318；2026 年前三季度 55,746 条、新稿 40,548 [1][2]。"记录"含修订版本，故多于独立论文数。

格式与 license

提供 API、批量 XML/PDF 的云存储副本（含访问费用条件，未逐项核）；各预印本许可由作者选 CC BY、CC BY-NC 等或保留版权，不能一概当作可再分发 ⚠️。

哪些模型拿它训练或评测

Evo 2、scGPT 等基础模型的首发论文均为 bioRxiv 预印本；预印本全文也被用作科学语言模型和文献 agent 的语料（二手）。

已知偏差

未经同行评审，质量参差；后续版本会改变结论；预印本与最终出版版并存，评测集若包含近期预印本，易与模型训练截止后数据混淆，见 数据泄漏（训练-测试泄漏）。

来源

1. https://api.biorxiv.org/details/biorxiv/2025-01-01/2025-12-31/0 (2026-10-15)
2. https://api.biorxiv.org/details/biorxiv/2026-01-01/2026-09-30/0 (2026-10-15)