蒸馏与自训练提升化学反应预测

2026年10月20日，arXiv Artificial Intelligence 刊出 Anagha Aneesh 等作者的论文，研究用蒸馏与自训练提升化学反应预测模型。作者提出 Resonance 模型：先蒸馏一个开放权重教师的推理轨迹，再从模型自身已验证的输出中学习。报道称，这一方法把准确率近乎为零的小基座模型变成可用的正向反应预测器，而更强的学生模型仅靠蒸馏就超越了教师。但论文同时指出，准确率并未带来稳健推理：小模型继承了教师的单次推理风格，自训练主要只是强化它本已能得出的答案，且在受到质疑时轻易放弃正确答案。作者据此主张，化学推理模型应同时评估答案准确性与推理稳健性。目前进展停留在论文发布与方法及局限的陈述层面。

AI 根据报道生成 · 45 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。