小样本下通用模型化学性质预测胜过专用模型

Stepan N. Ostarkov 等作者发表对比研究，在仅提供 60 个实验数据点的条件下，通用基础模型 GPT-6 Astra 在五项物理化学与量子化学回归任务上，准确率超过化学专用基础模型 ChemBERTa、MoLFormer。 研究称，专用化学模型需要约 10 倍数据才能追平：在 1,000 和 10,000 个数据点上，表现最好的化学基础模型分别与 Astra 在 60 和 1,000 个数据点上的表现相当。这一结论限于上述小样本回归任务，不代表通用模型在全部化学任务上占优。

AI 根据报道生成 · 48 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。