PulseAugur
中
实时 10:51:29
English(EN) Breaking Bad Molecules: Are MLLMs Ready for Structure-Level Molecular Detoxification?

新基准测试 MLLMs 修复有毒分子

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了 ToxiMol，这是一个旨在评估多模态大型语言模型 (MLLMs) 修复有毒分子能力的基准。该基准包含一个包含 660 个有毒分子的数据集，涵盖 11 项任务，以及一个名为 ToxiEval 的自动化评估框架。对 43 个 MLLMs 的初步实验表明，虽然当前模型在此任务上仍有困难，但它们已开始展现出理解毒性和执行结构感知编辑的潜力。 AI

影响 为 MLLMs 在分子毒性修复领域建立了一个新的评估标准，可能指导未来的药物研发。

排序理由 该集群包含一篇介绍 MLLMs 新基准和评估框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Fei Lin, Ziyang Gong, Cong Wang, Tengchao Zhang, Yonglin Tian, Yining Jiang, Ji Dai, Chao Guo, Xiaotong Yu, Xue Yang, Gen Luo, Fei-Yue Wang ·

    Breaking Bad Molecules: Are MLLMs Ready for Structure-Level Molecular Detoxification?

    arXiv:2506.10912v4 Announce Type: replace Abstract: Toxicity remains a leading cause of early-stage drug development failure. Despite advances in molecular design and property prediction, the task of molecular toxicity repair, generating structurally valid molecular alternatives …

相关实体

相关话题