通用基础模型在化学性质预测上超过专用模型

一项 arXiv 研究比较了化学专用基础模型与通用基础模型在化学性质预测任务上的准确率。Stepan N. Ostarkov 等作者报告称，在仅有 60 个实验数据点时，通用模型 GPT-6 Astra 在五项物理化学和量子化学回归任务上优于当前可用的化学基础模型。 研究同时给出了数据量条件：化学基础模型需要多出 10 倍的数据点才能达到 GPT-6 Astra 的表现——在 1,000 和 10,000 个数据点上，最佳化学基础模型的性能分别与 Astra 在 60 和 1,000 个数据点时相当。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。