Monroe 分子基础模型支持上下文概率推理
chaumian · x · 2026-08-21
论文提出了 Monroe，一种新型分子基础模型（MFM），用于上下文概率推断。主要创新包括：在 8100 万个 PM6 量子化学数据集分子上预训练；改进立体化学的图表示；引入构象去噪和嵌入解相关的训练损失；以及使用先验数据拟合模型进行下游预测。在 Polaris 基准测试中，Monroe 匹配或超越了现有 MFM，在活性悬崖基准测试上显著优于先前方法。
「研究」频道最新
- HF 热门数据集：Qwen/GLM/Kimi 多模型混合蒸馏集 — lhoestq · 2026-08-21
- 研究：多智能体系统中“思维病毒”可跨代理传播 — KyeGomezB · 2026-08-21
- 法律模型训练弃用 SFT 转向 LLM 判别 RL — ivan_bezdomny · 2026-08-21
- 多学科合作开展多智能体对齐研究项目 — sethlazar · 2026-08-21
- ZAI 被指利用 GLM 模型高效生成 RL 环境 — scaling01 · 2026-08-21
- 思科开源 Antares 安全模型，3B 效果对标 GPT-5.5 — aminkarbasi · 2026-08-21