化学SMILES分词差异研究

Hunter Heidenreich · hf · 2026-07-08

这篇研究讨论了化学 SMILES 语言模型中的分词方式。作者发现，Byte-pair encoding 和 Unigram-LM 会生成明显不同的子词词表，而且在不同语料类型和词表大小下都没有收敛到同一种结果。