پیش‌چاپ: مدل‌های عمومی در پیش‌بینی برخی ویژگی‌های شیمیایی از مدل‌های تخصصی بهترند

پیش‌چاپی در arXiv با عنوان «مدل‌های پایهٔ عمومی در وظایف پیش‌بینی ویژگی‌های شیمیایی از مدل‌های تخصصی پیشی می‌گیرند» به مقایسهٔ دقت مدل‌های شیمیایی و عمومی می‌پردازد. متن چکیدهٔ در دسترس می‌گوید داده‌های ساختار مولکولی فراوان‌اند، اما اندازه‌گیری‌های تجربی کمیاب؛ به همین دلیل مدل‌هایی مانند ChemBERTa و MoLFormer با ساختارهای متنوع مولکولی آموزش دیده‌اند تا بتوان آن‌ها را با مجموعه‌داده‌های تجربی کوچک تنظیم کرد. در بیشتر سناریوهای واقع‌گرایانه، این مجموعه‌ها کمتر از ۱۰۰ داده‌نقطه دارند.

چکیده همچنین مدل‌های عمومی، از جمله GPT-6 Astra و Claude Opus 5.5، را مطرح می‌کند و می‌گوید آموزش آن‌ها شامل داده‌های عمومی در دسترس و دانش مربوط به ویژگی‌های مولکول‌ها و قوانین حاکم بر آن‌ها بوده است. با این حال، متن ارائه‌شده پیش از شرح روش و یافته‌های مقایسه قطع می‌شود؛ بنابراین جزئیات نتایج یا دامنهٔ برتری ادعاشده در آن مشخص نیست. این مقاله نسخهٔ نخست یک پیش‌چاپ در arXiv است.