伊利诺伊大学厄巴纳-香槟分校 发布 FGBench 数据集, 应用在 化学信息学、机器学习 领域

伊利诺伊大学厄巴纳-香槟分校 本次发布的数据集 FGBench, FGBench是一个包含625K分子性质推理问题的数据集，具有功能团信息。功能团在分子中被精确标注和定位，确保数据集的互操作性，从而促进进一步的多模态应用。FGBench包括三个类别的回归和分类任务，涵盖245种不同的功能团，用于分子性质推理：(1)单个功能团的影响，(2)多个功能团的相互作用，(3)直接分子比较。在7K精选数据上对最先进的LLMs进行基准测试的结果表明，当前的LLMs在FG级性质推理方面存在困难，突出了提高LLMs在化学任务中的推理能力的需求。我们预计，FGBench中用于构建具有功能团级信息的数据集的方法将作为生成新问答对的基础框架，使LLMs更好地理解细粒度的分子结构-性质关系。

查看FGBench

README 内容： 

关于 伊利诺伊大学厄巴纳-香槟分校 , -

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。