研究：LLM质谱结构解析依赖专用工具
热点事件持续更新
研究：LLM质谱结构解析依赖专用工具
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Gabriel Asher 等作者基于 MassSpecGym 构建含 100 种分析物的基准，测试前沿大语言模型在 MS/MS de novo 结构解析中的表现：不使用工具时，对文献记录充分的样本 Top-1 准确率为 52%，对基本无记录的分布外样本仅 2%。 作者据此认为，LLM 单独进行 de novo MS/MS 结构解析效果有限，进一步提升取决于智能体可用的专用工具，而不是 LLM 本身。
AI 根据报道生成 · 3 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- arXiv · cs.AI研究：大语言模型（LLM，Large Language Model） 在 MS/MS 结构解析中依赖专用工具实现分布外泛化
一项基于 MassSpecGym 构建 100 种分析物基准的研究发现，前沿大语言模型（LLM，Large Language Model）在无工具时对文献充分记录的样本 Top-1 准确率为 52%，对基本无记录的分布外样本仅 2%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。