AI与世界难题 · 化学与材料 · Nature Computational Science · 2026-10-12
在利用大型语言模型预测性质时，少即是多
原标题: Less can be more for predicting properties with large language models
从坐标-类别数据预测性质（例如根据晶体结构预测形成能或弹性模量）是计算科学的核心问题，大语言模型（LLM）已被应用于此。作者利用合成数据集和MatText基准发现，LLM在处理类别模式时表现良好，但始终无法捕捉坐标信息。这一结论在参数规模高达700亿的模型、规模高达2 × 10^6个结构的数据集以及不同的文本表示下均成立；对于以结构效应为主导的性质预测，专用的几何架构优于LLM。