AI 與世界的難題 · 化學與材料 · Nature Computational Science · 2026-10-12
以大型語言模型預測性質時，少即是多
原標題: Less can be more for predicting properties with large language models
從座標—類別資料預測性質（例如由晶體結構預測形成能或彈性模數）是計算科學的核心，大型語言模型（LLM）也已被應用於此。作者利用合成資料集與 MatText 基準測試發現，LLM 始終無法掌握座標資訊，但能妥善處理類別模式。這個結果在高達 700 億參數的各種模型規模、多達 2 × 10^6 個結構的資料集以及不同的文字表示方式下皆成立；對於以結構效應為主的性質預測，專門的幾何架構表現優於 LLM。