論文の概要: Same molecule, Different Knowledge: Cross-Identifier Binding Failures in LLMs For chemistry

• arxiv url: http://arxiv.org/abs/2610.30903v1
• Date: Thu, 22 Oct 2026 08:25:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.282178
• Title: Same molecule, Different Knowledge: Cross-Identifier Binding Failures in LLMs For chemistry
• Title（参考訳）: 異なる知識を持つ同じ分子:化学のためのLSMにおけるクロス識別子結合不全
• Abstract要約: 化学AIは、複数の共参照識別子を通して、通常同じ分子を表現する。 モデルがSMILESから分子を識別し、対応する名前を通して事実を検索できたとしても、同じ事実はSMILESから直接アクセスできない。 本稿では,モデルの既存の知識アクセスを構造経路に転送するために,学習中に語彙的同一性を利用するシンプルな緩和法であるBing Self-Distillationを紹介する。
• 参考スコア（独自算出の注目度）: 4.277471273303775
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Chemical AI workflows routinely represent the same molecule through multiple co-referring identifiers, including trivial names, IUPAC names, and SMILES, implicitly assuming that these representations provide interchangeable access to an LLM's knowledge. To test this assumption, we first introduce a controlled benchmark and show that it does not hold. Across foundation models spanning 7B to 72B parameters, even chemistry-specialized models, co-referring molecular identifiers consistently expose different subsets of the model's knowledge. We then conduct a series of controlled behavioral, representational, and causal analyses to characterize this failure. We show that even when a model can identify a molecule from its SMILES and retrieve a fact through the corresponding name, the same fact can remain inaccessible directly from SMILES. We term this phenomenon \emph{cross-identifier binding failure}. Further analysis of internal representations, conflicting identifiers, and parameter editing shows that neither improved chemical representation competence nor modification of individual facts is sufficient to establish reliable access across identifiers. Together, these results indicate that the core failure lies in the binding between an identifier and knowledge already present in the model. Motivated by this diagnosis, we introduce Binding Self-Distillation, a simple mitigation that uses lexical identity during training to transfer the model's existing knowledge access to the structural route. This enables factual retrieval directly from SMILES at inference time, without requiring a name lookup or training the underlying model from scratch.
• Abstract（参考訳）: 化学AIワークフローは、自明な名前、IUPAC名、SMILESを含む複数の共参照識別子を通じて、同じ分子を日常的に表現し、これらの表現がLLMの知識への交換可能なアクセスを提供すると暗黙的に仮定する。 この仮定をテストするために、まず制御されたベンチマークを導入し、それが成り立たないことを示す。 7Bから72Bのパラメータにまたがる基礎モデル全体、化学特化モデルでさえ、共参照分子識別子はモデルの知識の異なるサブセットを一貫して露呈する。 次に、この失敗を特徴付けるために、一連の制御された行動、表現、因果分析を行う。 モデルがSMILESから分子を識別し、対応する名前を通して事実を検索できたとしても、同じ事実はSMILESから直接アクセスできない。 この現象を 'emph{cross-identifier binding failure} と呼ぶ。 内部表現、矛盾する識別子、パラメータ編集のさらなる分析は、化学表現能力の改善や個々の事実の修正は、識別子間の信頼性の高いアクセスを確立するのに十分でないことを示している。 これらの結果は、コアの失敗は、モデルにすでに存在する識別子と知識の結合にあることを示している。 この診断に触発されたBinding Self-Distillationは、トレーニング中に語彙的アイデンティティを用いて既存の知識アクセスを構造経路に転送するシンプルな緩和法である。 これにより、名前のルックアップや下層のモデルをゼロからトレーニングすることなく、推測時にSMILESから直接事実を検索できる。

関連論文リスト

• MOLAR: Learning Multimodal Molecular Representations from Noisy Labels [16.351691353514244]
  ノイズラベルは分子特性予測において共通の課題である。 記録されたラベルを信頼できる監視として扱うと、モデルは腐敗した観察を記憶させる。 雑音ラベルからマルチモーダル分子表現を学習するための雑音認識フレームワークであるMOLARを提案する。
  論文  参考訳（メタデータ） (2026-06-16T18:35:13Z)
• MOSAIC: Module Discovery via Sparse Additive Identifiable Causal Learning for Scientific Time Series [11.126046808342705]
  本稿では,時間的識別可能性と観測変数の回復支援を融合した疎時的VAEを提案する。 MOSAICは、状態条件付き時間変動によって潜伏変数を特定し、各潜伏変数のスパース集合を回復する。 ANOVA の主効果サポートは、一般的な滑らかな混合関数の下で識別可能であることを示し、抽出可能なスパース付加型に対して有限サンプル回復保証を提供する。
  論文  参考訳（メタデータ） (2026-05-06T23:57:44Z)
• Say Anything but This: When Tokenizer Betrays Reasoning in LLMs [0.7162422068114824]
  大規模言語モデル (LLMs) は、離散トークンIDシーケンスを推論する。 現代のサブワードトークンーは、非特異なエンコーディングを日常的に生成する。 トークン化は,一対多のトークンIDマッピングを通じてLCM推論を裏切ることができることを示す。
  論文  参考訳（メタデータ） (2026-01-21T05:09:09Z)
• How well can off-the-shelf LLMs elucidate molecular structures from mass spectra using chain-of-thought reasoning? [51.286853421822705]
  大規模言語モデル (LLM) は推論集約的な科学的タスクを約束するが、化学的解釈の能力はまだ不明である。 我々は、分子構造を予測するために、LLMが質量スペクトルデータに対してどのように理由を持つかを評価する、Chain-of-Thought(CoT)プロンプトフレームワークとベンチマークを導入する。 SMILESの妥当性, 式整合性, 構造的類似性の指標による評価の結果, LLMは合成学的に有効で, 部分的に可視な構造を生成できるが, 分子予測の正確性やリンク推論を達成できないことがわかった。
  論文  参考訳（メタデータ） (2026-01-09T20:08:42Z)
• Beyond Inference Intervention: Identity-Decoupled Diffusion for Face Anonymization [55.29071072675132]
  顔の匿名化は、非同一性属性を保持しながら、識別情報を隠蔽することを目的としている。 トレーニング中心の匿名化フレームワークである textbfIDsuperscript2Face を提案する。 IDtextsuperscript2Faceは、視覚的品質、アイデンティティの抑制、ユーティリティ保存において、既存の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-10-28T09:28:12Z)
• Atom-anchored LLMs speak Chemistry: A Retrosynthesis Demonstration [2.9496795797433073]
  汎用大言語モデルを用いた分子推論のためのフレームワークを提案する。 本手法は, ユニークな原子識別子を用いて分子構造に対するチェーン・オブ・シント推論をアンカーする。 我々の研究は、理論的に基底付けられた合成データセットを生成する方法も提供する。
  論文  参考訳（メタデータ） (2025-10-18T17:27:44Z)
• Identifiable Exchangeable Mechanisms for Causal Structure and Representation Learning [54.69189620971405]
  IEM(Identible Exchangeable Mechanisms)と呼ばれる,表現と構造学習のための統合フレームワークを提供する。 IEMは、交換可能な非i.d.データにおける因果構造同定に必要な条件を緩和する新しい洞察を提供する。 また、認識可能な表現学習における双対性条件の存在を実証し、新たな識別可能性結果をもたらす。
  論文  参考訳（メタデータ） (2024-06-20T13:30:25Z)
• Learning Invariant Molecular Representation in Latent Discrete Space [52.13724532622099]
  本稿では,分散シフトに対する不変性とロバスト性を示す分子表現を学習するための新しい枠組みを提案する。 我々のモデルは、様々な分布シフトが存在する場合に、最先端のベースラインに対してより強力な一般化を実現する。
  論文  参考訳（メタデータ） (2023-10-22T04:06:44Z)
• Causal Discovery in Linear Latent Variable Models Subject to Measurement Error [29.78435955758185]
  線形系における測定誤差の存在下での因果発見に着目した。 我々は、この問題と因果発見の驚くべき関連性を、観察されていない親性原因の存在で示している。
  論文  参考訳（メタデータ） (2022-11-08T03:43:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。