Uni-Bond：一个两周暑期学校项目如何演变为ICML 2026 workshop论文

该项目始于2025年托木斯克国立大学举办的AIRI暑期学校。团队（斯捷潘·帕夫连科、帕维尔·马斯洛夫、伊万·布罗夫）最初旨在利用带强化学习微调的大型语言模型从三维原子坐标生成SMILES字符串，但三天后转向了键图预测。使用预训练几何编码器Uni-Mol（约4700万参数）和一个轻量级MLP头（约7.4万可训练参数），他们在GEOM基准测试（脚手架分割）上实现了宏F1分数0.9997和精确匹配率99.53%，而YuelBond的F1分数为0.975，精确匹配率为83.2%——错误率降低了约20倍。该模型还避免了诸如YuelBond在二聚体中出现的假键。并行路线使用LoRA微调的Galactica-1.3B（约13亿参数）结合坐标分词（如BindGPT）直接生成SMILES，在分布内数据上实现了超过99.7%的有效性，但针对域外肽的精确匹配率接近零。该工作被2026年在首尔举行的国际机器学习大会（ICML）的图基础模型研讨会接收。