arXiv · AI· Stepan N. Ostarkov, Gregorii A. Semakin, Ivan A. Bespalov, Michael G. Medvedev·· 1 天前AI 评分35
GPT-6 Astra 等通用基础模型在化学性质预测任务中超越专用模型
General-purpose foundation models surpass specialized ones on chemical property prediction tasks
AI 导读
GPT-6 Astra 在仅 60 个实验数据点时，五项物理化学和量子化学回归任务的准确率超过 ChemBERTa 和 MoLFormer 等专用化学基础模型。 专用化学模型需 10 倍数据量（1000 或 10000 点）才能达到 GPT-6 Astra 在 60 点或 1000 点上的表现。 通用基础模型在数据稀缺的化学研究中比专用模型更具优势。
来源：arXiv · AI · arxiv.org