模型与 Benchmark板块首页
总览
AI for Bio benchmark 总览模型 × benchmark 配对矩阵训练数据从哪来:公开库、私有授权、自产 wet lab 与…模型索引:112 个模型按领域分组44 个 benchmark 的规模、更新与 wet la…
Benchmark 档案:核心 30 项
01 CASP02 ProteinGym03 MoleculeNet04 TDC05 PoseBusters06 CASF-201607 USPTO family08 Basenji/Enformer test set09 scIB10 GuacaMol11 ClinVar hold-out protocol12 DUD-E / LIT-PCBA13 CAGI14 PubMedQA15 CAMEO16 GUE + Nucleotide Transform…17 CAFA18 LAB-Bench / LABBench219 PMO20 CACHE21 DREAM5 / BEELINE / CausalB…22 CAPRI23 BioASQ24 虚拟细胞挑战赛与扰动预测评测25 RNA-Puzzles26 FLIP / FLIP227 Polaris / ASAP / OpenADMET28 Adaptyv competitions / Ben…29 BixBench30 PLINDER / PINDER / Runs N'…
Benchmark 档案:补充 14 项
31 FoldBench32 CrossDocked202033 PoseX34 AbBiBench35 FLAb / FLAb236 AIntibody37 TraitGym38 BEND39 RNAGym40 MotifBench41 BioML-bench42 BioMysteryBench43 Ginkgo GDPa144 FS-Mol
模型:结构/共折叠
AF2-Multimer:Google DeepMindAlphaFold 3BioEmu-2Boltz-1 / Boltz-1xBoltz-2:MIT、Recursion、Boltz P…Chai-1:Chai DiscoveryChai-2:Chai DiscoveryDiffDock:MIT CSAILESMFold2HelixFold-S1:BaiduIntelliFold-2:IntelliGen AIIsoDDE:Isomorphic LabsMassiveFoldNeuralPLexer3OpenComplex2OpenDDE:Aureka AI Research、Au…OpenFold3Pearl:Genesis Molecular AIProtenixRF3:University of Washington …RhoFold+ / DRfold2 / trRosett…RNAPro:NVIDIA、Stanford Univer…SeedFold:ByteDance SeedVina:Scripps Research
模型:小分子
ADMET-AIAQAffinity:SandboxAQBeacon:Inductive BioChemformer:AstraZenecaChemprop v2:MITEnchant v1 / v2ether0:FutureHouseKERMT:Merck & Co.、NVIDIAMiniMol:Valence LabsMolE:RecursionMoLFormer-XL:IBM ResearchNesso-1:Valence Labs、Recursio…ReaSyn v2:NVIDIA、KAISTREINVENT 4RetroDFM-RSaturn:EPFLTamGen:Microsoft Research AI …TerraBind:Terray TherapeuticsTxGemma:Google DeepMind、Googl…Uni-Mol2Uni-Mol3
模型:蛋白
AlphaProteoAMPLIFY:Mila、Polytechnique Mo…BindCraftBoltzGenChai-3:Chai DiscoveryClaude 蛋白设计研究DPLM-2:ByteDance Research、Nan…Dyno Psi-1 / Psi-PhiESM C:Evolutionary Scale、Chan…ESM3:Evolutionary Scale、Chan …EVOLVEproLa-Proteina:NVIDIALatent-X / X2:Latent LabsLucaOne:Alibaba Cloud、Sun Yat…Mosaic:Escalante BioPinal:Westlake UniversityPoET-2:OpenProtein.AIProfluent-E1:ProfluentProGen3:ProfluentProSST:Shanghai Jiao Tong Uni…Proteina-Complexa:NVIDIARFdiffusion2 / 3SaProt:Westlake University、We…SeedProteo:ByteDance SeedVenusREMxTrimoPGLM
模型:抗体
GerminalHCAbLM:Nona Biosciences、HBM H…IgGM / IgGM-FMJAM / JAM-2:Nabla BioOrigin-1:AbsciRFantibodytFold:Tencent AI for Life Sci…
模型:基因组/RNA
AlphaGenome:Google DeepMindAlphaMissense:Google DeepMindBioReasonBorzoi:Calico Life SciencesBulkFormerEvo 2:Arc Institute、NVIDIA、St…NTv3:InstaDeeppopEVE:Harvard Medical School…RIBOSPAN
模型:单细胞
AIDO Cell:GenBio AIC2S-ScaleCellFM:Sun Yat-sen University…Lingshu-CellscGPT / GeneformerscPRINT-2Stack:Arc InstituteSTATE:Arc InstituteTahoe-x1:Tahoe TherapeuticsTranscriptFormerX-Cell:Xaira TherapeuticsxTrimoSCPerturb / scFoundation
模型:分子生成
GenMol:NVIDIA
模型:文本与 agent
Biomni:Stanford University、Ph…Co-ScientistGPT-Rosalind:OpenAIIntern-SKosmos / Edison AnalysisMedGemma / Med-GeminiQuine:Microsoft ResearchRobin:FutureHouseSciReasonerTxAgent:Harvard Medical SchoolVERID:Google Research前沿通用大模型:Anthropic、OpenAI、Goog…

MoLFormer-XL:IBM Research

整理 2026-11-16 · 来源与可靠度标注见正文
本文目录
  1. 概况
  2. 做什么
  3. 报过的 benchmark
  4. 其他评测(不在 44 项内)
  5. 训练数据
  6. 湿实验验证
  7. 背景
  8. 怎么看
  9. 局限与注意
  10. 来源
  11. 更正记录

化学语言模型,把分子字符串当文本做十亿级预训练再微调性质预测。

小分子 · 大厂实验室 · 美国 · 截至 2026-11-16

概况

字段 内容
名称 / 别名 MoLFormer-XL;别名:MoLFormer-XL-both-10pct;有歧义、不自动链接:MoLFormer
家族 否(同机构的后续生成式变体无站内实体记录,不建家族条目)
机构 IBM Research
机构类型 / 国家 大厂实验室 / 美国
模型类别 性质预测(分子字符串语言模型)
领域 小分子
首次发布 (依据:arXiv 2106.09553 v1 提交) 站上以 2022 年期刊发表为发布年;首发按预印本 v1
其他里程碑 最早公开证据 (arXiv v1);预印本 v1 (arXiv v1(数值口径取 v3 全文));期刊上线 (期刊发表(DOI 10.1038/s42256-022-00580-7));代码发布 约 2022†(未核实)(公开代码仓库;本轮未取到首次公开日,最后提交为 2023-10-16(检查点使用说明))
最近更新 ,期刊发表:期刊发表;代码仓库最后提交 2023-10-16(检查点使用说明)。这是最近一次有出处的实质事件。此为最近一次有出处的事件,不代表此后没有更新
开放程度 代码:开放(Apache-2.0);权重:部分开放(Apache-2.0 (model card));代码开放;公开权重只是各取 10% 语料训练的子集版,完整大模型权重未放出
状态 仅维护:2023-10 后无实质事件,仍被广泛当作对照基线
报过的 benchmark 1 项计入(自报 1)
湿实验验证 无
全站实体页 无(全站实体库未检出对应页面)
截至 2026-11-16

做什么

把分子字符串当文本,用十二层 Transformer 配线性注意力与旋转位置编码支撑十亿级语料预训练,再在下游性质任务上微调,论文称其表示能捕获分子的几何与结构信息。相对 MolE 一类图模型它只需字符串、不需图或构象;相对 Uni-Mol2 则不依赖 3D 构象。

报过的 benchmark

按关系类型排列;每行标来源类型与出处。分数只在同一 benchmark、同一口径内有意义,见各 benchmark 页的当前排名。1 项计入(自报 1)。

Benchmark 关系类型 计入 评测集 / 口径 来源类型 说明 出处
03 MoleculeNet (+OGB) 开发方按官方口径自报 是 — 自报 分类六项按 scaffold 划分、回归五项按随机划分,共十一项;对照基线为监督图神经网络,未含指纹类基线。本页不转录分数 出处

其他评测(不在 44 项内)

  • 表示的几何信息探针(自建任务集,自报):作者用自建分析论证字符串表示中含几何与结构信息
  • 语料规模对照(自建任务集,自报):不同语料比例的预训练版本对照,公开版即其中的 10% 子集设定

开发方称:线性注意力让十亿级字符串预训练成为可能,微调后在公开性质任务上优于当时的监督图神经网络基线。

独立证据:未检出独立证据(未检出针对该模型的独立评测;第三方论文中的任务组数字不等于榜单成绩)

训练数据

类别 值 说明 出处
a 公开库 是 两个公开化合物库合计最多 11 亿条分子字符串;公开版各只用 10% 出处
b 私有 / 授权 否 — 出处
c 自产 wet lab 训练数据 否 — —
d 仅用于验证的 wet lab 否 论文无湿实验验证 出处

湿实验验证

无。开发方未报告湿实验验证,或本站未收录可核的记录。

背景

  • 机构:开发方是一家美国大型科技公司的研究部门,主研究中心在纽约州,招聘页称有三千余名研究人员、十二个实验室分布六大洲(页面未标日期)。研究总监人事变动仅见二手来源且月份不一致,本页不作结论。
  • 融资:未披露
  • 产品与合作:该公司的化学基础模型线含本模型、一个后续的解码器生成模型与一个靶点特异生成模型,并有对外的分子基础模型站点;站内对照为 MolE(图模型)与 Uni-Mol2(3D 模型)。
  • 相关模型:MolE、Uni-Mol2、MiniMol

怎么看

  1. 这是 2022 年的结果,后续基础模型多以它为对照,但完整大模型权重未公开,难以独立复现。
  2. MoleculeNet 数据集小、对 split 敏感,已有研究称多数预训练嵌入不优于传统指纹。
  3. TDC 官方 ADMET 榜 22 个数据集页均无该模型条目(2026-11-16 查),第三方论文里的该任务组数字不是榜单成绩。
  4. 对照基线偏弱(只含监督图神经网络),跨论文比较需补齐指纹类基线。

局限与注意

  1. 完整权重未公开,只有 10% 子集版可用。
  2. 代码与权重的首发日期本轮未取到,标未核实。
  3. 全部 benchmark 结果为作者自报,无榜单条目。
  4. 2023-10 后无实质更新。

来源

  1. 期刊论文 2022(期刊)
  2. 预印本(数值口径取 v3)(预印本)
  3. 代码仓库(仓库)
  4. 公开子集权重与模型卡(包仓库)
  5. 另一任务组榜单总览(用于否证配对)(榜单)

更正记录

以下为本轮核对中改过的字段,原值按记录照录。

字段 原 现 原因 出处 发现日期
first_release 2022(期刊发表年) 2021-06-17(arXiv v1) — 依据 2026-11-16
benchmarks_reported 候选配对 TDC ADMET 任务组 非配对:官方榜 22 个数据集页均无该模型条目 — 依据 2026-11-16

本文为个人研究笔记,结论基于成文时可获得的公开信息;带〔估算〕〔推断〕或⚠️的数字未经独立核实。