待验证50% 置信事实精确时间
基于结构-文本配对数据训练的分子语言模型,其嵌入空间并不一定按分子指纹的相似度来组织。
1
来源数
50%
置信度
长期有效
时效性
2026/11/17
首次发现
来源
SAGA:用经典结构先验提升分子语言模型表示
rss2026/11/16
涉及实体
相关事实
待验证任何使用配对结构-文本数据训练的分子语言模型,都可以尝试加入类似的CKA正则化。77% 相似待验证分子表示方法中,SMILES 字符串紧凑、可直接套用语言模型,但不唯一、对细微结构变化不敏感;分子指纹(如 ECFP/Morgan 指纹)适合相似性搜索和传统机器学习,但丢失拓扑细节;图神经网络把原子当节点、化学键当边,是当前分子性质预测和生成的主流方案。73% 相似待验证大语言模型可以将序列信息与文本知识联合推理,在发现弱同源性或功能类似但序列差异较大的蛋白家族时具有优势,区别于专为序列比对设计的工具如BLAST、HMMer65% 相似待验证冻结文本嵌入可能导致模型学到次优的边分类边界,因为语义空间和拓扑空间没有对齐。65% 相似待验证编码器类决策模型不做文本生成,输出来自预设标签空间,因此具有结构性的无幻觉优势64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1179360API
curl https://kongchang.com/api/v1/knowledge/claims/1179360MCP
get_claim(id=1179360)