药物开发是一个漫长且昂贵的过程，其中大部分候选药物在临床试验阶段会失败。为了加速这一过程，Google 团队开发了 Tx-LLM，这是一种通用的大型语言模型，由 PaLM-2 微调而成，能够处理与自由文本交织的各种化学或生物实体信息。Tx-LLM 在 66 个任务中的 43 个任务上实现了与最先进技术相媲美的性能，并在 22 个任务中超越了 SOTA。Tx-LLM 的强大之处在于，它能将分子 SMILES 表示与文本相结合，在相关任务中平均表现优于同类最佳。
药物开发是一个漫长且昂贵的过程，其中大部分候选药物在临床试验阶段会失败。为了加速这一过程，Google 团队开发了 Tx-LLM，这是一种通用的大型语言模型，由 PaLM-2 微调而成，能够处理与自由文本交织的各种化学或生物实体信息。Tx-LLM 在 66 个任务中的 43 个任务上实现了与最先进技术相媲美的性能，并在 22 个任务中超越了 SOTA。Tx-LLM 的强大之处在于，它能将分子 SMILES 表示与文本相结合，在相关任务中平均表现优于同类最佳。