待验证50% 置信事实精确时间

研究在4个分子数据集上进行实验，其中三个数据集是干净的，第四个ESOL数据集被多数模型记忆，作为对照。

1

来源数

50%

置信度

长期有效

时效性

2026/11/2

首次发现

来源

LLMs预测分子性质时，知道自己错了吗？

涉及实体

ESOL数据集concept 数据污染concept

相关事实

待验证DEL数据可用于检测AI模型是否通过记忆数据集偏置（捷径学习）而非学习化学规律来获得高分。61% 相似待验证研究在四个数据集和五个开源权重 LLM 上进行了实验60% 相似待验证MLIP的典型使用场景包括大规模分子动力学采样、主动学习循环中的海量构型筛选以及多保真度数据生成。59% 相似待验证一篇arXiv报告（arXiv:2610.02249v1）提出，基于最近邻检索的简单方法在从MS/MS质谱预测分子指纹时能够匹配甚至超越当前的深度学习模型59% 相似待验证过拟合指模型在验证集或测试集上被反复调优，最终记住这些数据的特性，而非真正学到泛化能力58% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1124954

API

curl https://kongchang.com/api/v1/knowledge/claims/1124954

MCP

get_claim(id=1124954)