引言
在人造言语处置（NLP）的泛滥运行场景中，大型言语模型（Large Language Model, LLM）展现了其出色的文本了解与生成才干，不只在传统的文转义务上效果斐然，更在动物学、计算化学、药物研发等跨学科畛域证实了其宽泛的运行后劲。虽然如此，动物分子钻研畛域的不凡性—比如公用数据集的不足、数据标注的高复杂度、常识的多元化以及示意模式的不一致—依旧是以前面临的关键应战。针对这些疑问，本文提出Mol-Instructions，这是一个针对动物分子畛域各项钻研义务定制的指令数据集。
Mol-Instructions的构建
Mol-Instructions概览
Mol-Instructions数据集合计含2043K条指令数据，笼罩了小分子、蛋白质以及动物分子文本三大畛域的17个关键义务，蕴含了不同复杂度和结构的动物分子及丰盛的文本形容。
试验剖析
为评价Mol-Instructions对大型言语模型（LLMs）无了解和预测动物分子方面的助益，本文对LLaMA-7B模型启动了指令微调，并从多个角度启动了定量试验剖析。试验结果显示，经Mol-Instructions微调的LLM在多种义务上的表现逾越了其余大型模型，证实了Mol-Instructions在优化LLMs处置动物分子消息才干方面的关键作用。但是，因为轻量微调环节的局限性，经过微调的LLM在分子生成义务上的表现并未逾越现有的公用小型模型。这反映了LLM在谋求宽泛义务处置才干时，或者会就义掉某些公用小模型的专业性。
总结
Mol-Instructions能够有效评价和优化通用LLM从人类言语到生命言语的跨模态了解才干，清楚增强了LLM对动物分子的认知。为后续更深化地钻研动物分子设计与处置复杂动物学识题提供了关键的数据起源。因为文本与动物分子示意空间的实质差异以及LoRA训练战略的局限性，LLM无了解动物分子言语方面的熟练度还未能与其把握人类言语的才干相媲美。未来，经过裁减模型词表或将动物分子言语视为一种新的模态启动集成，或者是进一步优化LLM在动物分子畛域的了解深度和性能表现的关键。
作者：