Michael G. Medvedev

研究表明通用人工智能模型在化学预测方面优于专用模型

发表在arXiv上的一项新研究表明，像GPT-6 Astra和Claude Opus 5.5这样的通用基础模型，在预测化学性质方面，其表现优于ChemBERTa和MoLFormer等专用化学模型。这在数据稀缺的情况下尤为明显，通用模型在少于100个实验数据点的情况下就显示出更高的准确性。即使在拥有更多数据的情况下，专用模型也只能与通用模型达到持平水平，这表明在某些化学研究任务中，广泛的知识获取可能比领域特定的训练更有益。