蛋白质语言模型ESM-AA通过多尺度训练提高了蛋白质结构预测和适应性预测的性能。ESM-AA在靶点-配体结合任务中表现优于其他模型，并在分子表示学习任务中超越了最先进模型。ESM-AA的多尺度预训练框架包括掩码语言建模和成对距离恢复。ESM-AA在酶-底物亲和力回归任务和药物-靶点亲和力回归任务中表现优于其他模型。蛋白质语言模型的应用前景广阔，不仅限于医疗和生物制药领域，还可扩展到其他领域。

Refuel是一种用于回答开放式问题中多义性的模型，可同时预测多个答案，使用多个来源的证据进行适应性预测，并提出一种名为往返预测的方法。该模型在AmbigQA数据集上实现了新的最先进性能，并在NQ-Open和TriviaQA上展示了有竞争力的性能。