Konstantinos Bougiatiotis

小型语言模型通过图工具增强分子预测能力

研究人员开发了一个上下文增强提示框架，以增强小型语言模型（SLMs）的分子性质预测能力。该框架使SLMs能够在推理时利用基于图的工具，提供预测线索并提取解释性子图。通过整合图派生的上下文，模型在MUTAG上准确率提高了25%，在Tox21上提高了74%。尽管这些进展显示了文本条件推理对分子结构的价值，但与专门的图神经网络（GNN）模型相比，仍然存在性能差距。