上下文学习遇上小分子性质预测：新型机器学习方法基准测试
该研究系统基准测试了基于上下文学习的表格基础模型（TFM）在小有机分子性质预测上的表现，在11个数据集（回归任务、随机与结构感知划分、每个最多10000个分子）上将其与XGBoost、CatBoost、多层感知机等描述符方法及图方法比较，发现TFM在基线经过仔细超参数选择的情况下仍持续优于描述符方法，并与图方法（包括经化学数据预训练者）精度相当或更好，Uni-Mol2在部分实验中略优于TFM，而检索策略（对每个测试分子取Tanimoto相似度最近的500个邻居）在较大数据集和随机划分上带来进一步改进。