MoleculeNet

内容与规模

发表于 Chemical Science 2018（DOI 10.1039/c7sc02664a），论文口径 17 个数据集、70 万+ 化合物，随 DeepChem 发布 [1]。市面上"50+ 数据集"的说法与论文不符，可能指后续生态累积，不采用。

真值来源与是否盲测

数据为汇编自既有公开数据库与文献的回顾式整理（量子化学、生理、生物物理等类别），不是前瞻盲测。

谁用它发布结果、运营方角色

学术界长期默认基准，作者团队同时维护评测框架；多数模型论文自行跑榜，缺统一提交与盲测机制。

泄漏与缺陷

Chemistry World 报道的审计覆盖 22 项 Therapeutics Data Commons 与 9 项 MoleculeNet 在内的 51 个基准配置，发现多数存在冲突标签与训练测试泄漏 [2]；见 数据泄漏（训练-测试泄漏）。此外随机或简单 scaffold 切分、数据来源异质，使排行榜上的小幅差异意义有限。

来源

1. https://arxiv.org/pdf/1703.00564 (2026-10-15)
2. https://www.chemistryworld.com/news/benchmark-flaws-may-be-distorting-ai-drug-discovery-leaderboards/4024084.article (2026-10-15)