Resonance 蒸馏与自训练提升小分子反应预测鲁棒性

近期，Anagha Aneesh 等人发表研究，推出 Resonance 模型，旨在通过蒸馏与自训练提升小分子合成反应预测的鲁棒性。该模型利用前沿监督启动开源基座模型的前向反应预测，显著增强了小分子药物设计的推理能力。 Resonance 通过蒸馏教师模型的推理轨迹，并结合自验证输出进行训练，成功将初始准确率接近零的基座模型转化为有效的反应预测器。研究发现，强学生模型仅靠蒸馏即可超越教师，但提升准确性并未带来鲁棒的推理。 研究指出，小模型在面临质疑时容易放弃正确答案，凸显了化学推理模型评估需兼顾答案准确率与推理鲁棒性，为相关领域提供了新的评估视角。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。