LLM 在小分子优化上接近 SOTA，但速度慢且相邻任务仍弱
kastacholamine · x · 2026-11-04
kastacholamine 讨论 LLM 在计算化学/药物设计中的实际能力边界：受 Rowan 博客「用 LLM 与专用模型做 Binder 优化」启发，他用对接打分（docking scores）做了更简单的复现实验，得到类似结果；还提到 Leash Bio 用 DEL 筛选做分子搜索的案例令人印象深刻。但他同时指出，许多相近任务上 LLM 表现仍很差，且即便在成功的任务上速度也偏慢。结论：LLM 在小分子领域某些任务接近 SOTA，但远非全能。
所属事件:研究者实测：LLM 小分子优化已接近 SOTA 但速度慢(3 条相关)→
「研究」频道最新
- Muon 预训练损失更低，但大规模数据下微调后反输给 AdamW — AdtRaghunathan · 2026-11-04
- YC F26 实验室 Vorelios 出炉:用 AI 秒级预测工程仿真 — KlausCodes · 2026-11-04
- 小批量才是王道:重复数据预训练论文揭示 batch size 隐形最优解 — sewon__min · 2026-11-04
- 磁滴自组织重现向日葵斐波那契螺旋，黄金角从单一规则涌现 — JosephJacks_ · 2026-11-04
- 微软 ParetoSaddler：agent 成本降 42%、质量升 6.7 个点的优化法 — omarsar0 · 2026-11-04
- 新研究让模型自组计算图，测试时可比训练时更深推理 — micahgoldblum · 2026-11-04