MoLFormer

模型与发布

IBM 的化学语言模型，arXiv 2106.09553（2021–2022），线性注意力、12 层 [1]。

训练数据配方

• 公共库：PubChem（约 1.11 亿）与 ZINC-22（超过 10 亿），合计约 11 亿 SMILES [1]。
• 蒸馏合成与私有真值：无。

数据供应方与许可

PubChem、ZINC。

已知问题与口径冲突

10 个基准中多数优于 GNN 与语言模型基线为论文口径。搜索页显示的期刊信息存在元数据错误，只确认 arXiv 预印本 [1]。只有 1D 序列，对比 Uni-Mol 的 3D 构象路线。

来源

1. https://www.alphaxiv.org/abs/2106.09553 (2026-10-15)