bioRxiv 预印本· Najdovski, V., Hristova, J., Vodilovska, V., Ivanoska, I. ·· 19 天前AI 评分20
主动学习何时能改善ADMET预测?多终点基准研究给出答案
When Does Active Learning Improve ADMET Prediction? A Multi-Endpoint Benchmark
AI 导读
一项发表于bioRxiv的预印本研究构建了覆盖8个ADMET回归终点的协议匹配基准,系统比较7种采集策略与Deep Ensembles、MC Dropout两种不确定性方法。结果显示主动学习收益因终点和策略而异,溶解性终点获益最广,多样性感知策略表现最稳定;Deep Ensembles在56组匹配比较中的45组取得更低平均RMSE,但预测优势未稳定转化为更优采集效果。
来源:bioRxiv 预印本 · biorxiv.org