InChI

研究发现大语言模型（LLM）的分子任务依赖于表示

一项新的arXiv研究对16个大语言模型在九种分子表示和八种化学任务上的性能进行了基准测试。研究发现，模型的性能在很大程度上取决于所使用的分子表示，其中CML和MolJSON等显式结构化文本格式在结构任务上表现出色，而IUPAC在语义任务上表现最佳。专门从事化学的模型在使用SMILES时表现强劲，但在结构化格式方面遇到困难，这表明其评估可能存在偏见。