莫纳什大学提出的LLM4SD框架通过整合文献知识和实验数据，提高了分子特性预测的准确性。该系统能够提取关键信息并生成可解释的特征向量，优于传统工具，推动药物发现等领域的发展。

匹兹堡大学与浙江大学合作开发了一种多通道预训练框架，旨在提升分子特性预测的准确性。该框架通过结合化学知识和结构层次，克服了现有分子机器学习方法的局限性，尤其在活性悬崖等复杂场景中表现优异。研究表明，该方法在微调过程中更好地保留了预训练知识，具备更强的可转移性和稳健性。