大语言模型在上下文中的分子性质预测：一项关于记忆与知识冲突的盲化研究
该研究在三个 MoleculeNet 数据集（Delaney 溶解度、亲脂性、QM7 原子化能）上，用逐步减少可用信息的盲化流程，配合 0、60、1000 样本的上下文示例数量，评估 GPT-4.1、GPT-5、Gemini 2.5 三个家族共九个 LLM 变体，以判断其分子性质预测是真正的上下文回归还是对记忆目标值的逐字检索，并加入记忆实验的正负对照、多示例实验的结构参照基线以及自助法置信区间；结果显示在这些既有基准上没有逐字检索的证据，而盲化会暴露出预训练知识与上下文信息之间的冲突。