PulseAugur
中
实时 06:38:14

LLMs require specialist tools for MS/MS structural elucidation, study finds

作者 PulseAugur 编辑部 · [1 个来源] ·

一篇新的研究论文探讨了大型语言模型（LLMs）在串联质谱（MS/MS）结构解析中的能力。研究发现，虽然LLMs在分布内数据（文献中记载良好的结构）上可以达到中等精度，但在分布外数据（基本上是未记录的结构）上的表现急剧下降。访问专门的工具，如从头结构生成器，显著提高了LLMs的分布外精度，这表明LLMs本身不足以进行从头MS/MS结构解析，并且严重依赖外部领域特定工具。 AI

影响 强调了LLMs在专业科学领域当前的局限性，以及将它们与领域特定工具集成以解决高级问题以解决高级问题的必要性。

排序理由 研究论文，详细介绍了LLMs的局限性及其在特定科学任务中对外部工具的依赖。 [lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

LLMs require specialist tools for MS/MS structural elucidation, study finds

本文如何被排名

Signal score
42 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
研究论文，详细介绍了LLMs的局限性及其在特定科学任务中对外部工具的依赖。 [lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, model release
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
Breaking (< 6h)
Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Gabriel Asher, Cailum M. K. Stienstra, Tomo Oga, Devesh Shah Antonio H. de O. Fonseca, Niall O'Connor, Michael Widrich ·

    大型语言模型依赖专业工具实现MS/MS结构解析中的分布外泛化

    arXiv:2611.03308v1 Announce Type: cross Abstract: A frontier language model was recently reported to solve 1D NMR structural elucidation without tools. We ask whether this capability transfers to tandem mass spectrometry (MS/MS) in the de novo setting, where the model must propos…

相关实体

相关话题