热点事件持续更新
研究者提出MolPAIR分子性质预测框架
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月，研究人员提出了一种基于表格基础模型（TFM）的分子性质预测框架MolPAIR。该框架无需针对特定任务进行微调，通过结合分子级与分子对上下文，专门用于在结构偏移场景下进行分子性质预测。在运行机制上，MolPAIR首先通过全局TFM生成初始预测，随后利用第二个冻结的TFM预测误差差异来进一步细化结果。实验结果显示，在涵盖MoleculeACE和Polaris的58个基准任务中，采用CheMeleon表征的TabPFN-3模型表现优于现有基线，而MolPAIR在其中的46个任务上进一步实现了性能提升。
AI 根据报道生成 · 5 小时前更新
最新进展10月1日 12:00
研究者提出MolPAIR框架，在46个分子性质预测任务中实现性能提升。报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- arXiv 机器学习基于表格基础模型的结构偏移下分子性质预测
研究提出 MolPAIR 框架，无需特定任务微调，通过结合分子级与分子对上下文在结构偏移下进行分子性质预测。该框架先通过全局表格基础模型（TFM）给出初始预测，再利用第二个冻结的 TFM 预测误差差异来细化结果。在 58 个 MoleculeACE 和 Polaris 任务中，TabPFN-3 结合 CheMeleon 表征表现优于基线，MolPAIR 进一步在 46 个任务上实现了性能提升。
本事件热度走势
当前热度 9·可比范围峰值 10（10月1日 13:00）·近 24 小时可比范围变化 –
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。