大型语言模型作为上下文化学物质学习器
原文中文，约400字，阅读约需1分钟。发表于：。大型语言模型（LLM）在生物化学任务中表现出卓越的性能，特别是分子字幕翻译任务，在分子和自然语言文本之间建立联系。然而，先前的方法在将 LLM 调整到分子 - 字幕翻译任务中需要额外的领域特定预训练阶段，分子和文本空间之间的对齐性较弱，或者对 LLM 的规模有严格要求。为了解决这些挑战，我们提出了一种新的范式：上下文分子适应（ICMA），允许 LLM 通过上下文示例来学习分子 -...
大型语言模型（LLM）在生物化学任务中表现出卓越性能，特别是在分子字幕翻译任务中。通过上下文分子适应（ICMA）范式，LLM能够学习分子-文本对应关系，实现最先进的性能，无需额外训练语料库和复杂结构。
