研究人员开发了一种名为Fold2Reason的新方法，该方法利用蛋白质折叠数据来提高大型语言模型（LLM）的通用推理能力。通过在源自蛋白质结构的数据集上进行训练，Fold2Reason在预测蛋白质结构方面表现出显著的改进，在FoldBench上的得分比Qwen3.5-9B高2.7至3.5倍。此外，这种方法在包括空间、图、科学和通用推理任务在内的十个不同基准测试中都提高了性能，宏平均准确率提高了3.23个百分点。该研究表明，整合非语言、结构密集型的科学数据可以有效地增强语言模型的广泛推理能力。 AI
影响 通过利用结构化的科学数据增强LLM的推理能力，有可能在科学领域之外的各种任务上提高性能。
排序理由 该集群描述了一篇研究论文，其中详细介绍了一种使用科学数据改进LLM推理的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
