paper.dinq.meAI 与前沿科学顶会 · 学术新星雷达
登录 DINQ
返回新星榜
YT

Yun Tang

ACL 2026可解释性评测与基准数据与预训练
新星分资深
9
一作贡献0
核心/参与0
方向广度6
合作网络3
0 一作 · 1 篇 · ACL 2026

获取完整研究档案

首次获取该候选人的完整档案及 StartLux 评估共 20 积分;每位用户单独解锁,之后查看免费。主动刷新 20 积分。

联系方式

实时查找电子邮箱,费用不超过20积分;未找到邮箱不扣费。

2026 顶会论文

1
作者位次 #9/9ACL 2026Findings· Findings of ACL

MCLE -Mol: Empowering LLM with Molecular Comprehension and Low-Cost Continual Evolution for Interpretable Property Prediction

Zhili Pu · Lantian Zhang · Hao Duan · Zhixing Zhang · Keyun Zhu · Yongqi Fan · Ruihui Hou · Tong Ruan · Yun Tang

摘要

Large language models (LLMs) offer a new paradigm for molecular property prediction (MPP), yet a semantic gap between natural language and molecular representations limits LLMs’ ability to capture structure–activity relationships (SAR). Recent approaches have explored injecting structure-level in...

可解释性评测与基准数据与预训练OpenReview 项目页

常见合作者