热点事件历史事件

预印本：语言模型预测反应可行性并主动学习

1 篇报道1 个报道来源6 天前更新

先了解这件事

AI 综述

Zhong, Haowen 等发布预印本，提出两阶段蒸馏与适配框架：把大规模文献反应数据中的反应性知识迁移到小型高通量实验（HTE）数据集，再用不确定性引导的主动学习探索反应空间。在 Suzuki–Miyaura 偶联、Buchwald–Hartwig 胺化和酸-胺缩合的零样本评测中，作者称通用模型平均准确率比最强基线高 41.5%、macro-F1 高 29.2%，并超过人类专家准确率 8.9%、macro-F1 11.5%。作者还称，这一先验使达到留出集 macro-F1 ≥ 0.70 所需的实验标签比普通贝叶斯神经网络减少 25.0–42.9%；不确定性引导的采集使模型仅用约八分之一的总反应量即接近全池训练表现。上述均为预印本作者报告的结果。

AI 根据报道生成 · 5 天前更新

最新进展11月3日 14:02

语言模型与主动学习弥合文献到实验室差距，预测反应可行性并自主探索

报道时间线

沿着报道，了解事件的不同侧面。

11月3日

14:02
ChemRxiv Preprints精选
语言模型与主动学习弥合文献到实验室差距，预测反应可行性并自主探索
研究提出两阶段蒸馏与适配框架，将大规模文献反应数据中的反应性知识迁移到小型高通量实验（HTE）数据集，并用于不确定性引导的主动学习。在Suzuki–Miyaura偶联、Buchwald–Hartwig胺化和酸-胺缩合的零样本评测中，通用模型平均准确率比最强基线高41.5%、macro-F1高29.2%，并超过人类专家准确率8.9%、macro-F1 11.5%。

本事件热度走势

可比范围当前: 3
可比范围峰值: 911月4日 03:00
近 24 小时变化: -22%

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。