学习蛋白质折叠能否迁移到更广泛的推理任务？
一项研究探讨蛋白质折叠数据能否提升语言模型在生物学以外的推理能力。研究人员构建了蛋白质衍生问答数据集 FoldingCorpus，以及结合符号化结构预测与连续三维几何信息的后训练方法 Fold2Reason。在涵盖空间、图结构、科学和通用推理的 10 项基准测试中，平均准确率从 45.09% 提升至 48.33%。使用随机、合成或打乱结构的对照组，提升幅度明显较小，部分甚至出现负增长。研究结果表明，结构信息密集的科学数据可能为训练更广泛的推理能力提供有效监督。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。