待验证50% 置信事实精确时间

该研究在四种GNN架构、四个预测任务和两种解释器上进行了系统评估，并采用骨架分割（scaffold split）保证泛化性测试的严格性。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/22

首次发现

有效期至：2027/1/20

来源

片段级图编码：分子性质预测的可解释性新思路

涉及实体

GNN架构concept 骨架分割concept

相关事实

待验证编排层包含任务分解、模型路由、结果融合和质量校验四个关键环节75% 相似待验证研究使用了四种互补的因果诊断方法，覆盖四个仅解码器架构的模型和八个不同的提示族72% 相似待验证论文在五个基准测试和四个模型家族上进行了系统评估，SCOPE相比监督式图训练方法在多个基准上取得了更高的准确率。72% 相似待验证学术界发展出G-Eval、MT-Bench、HELM等评测方法，核心思路是将评测分解为多个维度的加权评分70% 相似待验证研究进行了四个维度的评估：参数优化、基准数据集评估、跨域泛化、可行性评估70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1084245

API

curl https://kongchang.com/api/v1/knowledge/claims/1084245

MCP

get_claim(id=1084245)