---
format: "aidr-story-markdown/v1"
id: "b43ddf9631480905c5673df09b8df0d78726dce403ba7ca1b19d487e8719d868"
canonical_url: "https://aidr.today/b43ddf96?lang=vi"
title: "Khả năng sinh học nổi trội trong foundation model cho tương tác phân tử"
lang: "vi"
requested_lang: "vi"
available_langs: ["en","vi"]
translation_fallback: null
fallback_fields: []
published_at: "2026-11-16T00:00:00.000Z"
category: "Research"
topics: ["llm"]
source_urls: ["https://huggingface.co/papers/2611.14504"]
summary: "Các foundation model được huấn luyện trên các tập dữ liệu lớn không nhãn phát triển các khả năng nổi trội, tức là các tác vụ vượt ra ngoài mục tiêu huấn luyện. Nhóm tác giả mở rộng mô hình này sang sinh học đa phương thức với Bonbon, một foundation model cho tương tác phân tử được huấn luyện trên khoảng 3,2 nghìn tỷ token các chuỗi protein-ligand ghép cặp. Từ một không gian biểu diễn duy nhất, Bonbon thể hiện ba khả năng nổi trội zero-shot ở các cấp độ phân giải phân cấp: chức năng (cơ chế tác động), dư lượng (định vị vị trí liên kết, bao gồm phân biệt orthosteric/allosteric) và liên kết (tương tác cộng hóa trị so với không cộng hóa trị). Cả ba khả năng này đều tổng quát hóa cho các phức hợp ngoài phân phối. Bonbon chỉ được huấn luyện trên các chuỗi protein-ligand mà không cần giám sát cụ thể cho tác vụ và không cần tọa độ cấu trúc. Nhóm tác giả đã tiến hành các thí nghiệm scaling có kiểm soát trên sáu quy mô model từ 42M đến 1,6B parameters; mọi khả năng được đánh giá đều cho thấy bước nhảy rõ rệt ở quy mô lớn nhất trên các chỉ số liên tục, ngay cả khi loss khi huấn luyện giảm mượt mà. Điều này chứng minh rằng các quy luật scaling dựa trên loss đơn thuần là không đủ để dự đoán kh…"
---

# Khả năng sinh học nổi trội trong foundation model cho tương tác phân tử

> [Open the canonical story](<https://aidr.today/b43ddf96?lang=vi>)

**Published:** 2026-11-16T00:00:00.000Z
**Category:** Research
**Topics:** llm

## Summary

Các foundation model được huấn luyện trên các tập dữ liệu lớn không nhãn phát triển các khả năng nổi trội, tức là các tác vụ vượt ra ngoài mục tiêu huấn luyện\. Nhóm tác giả mở rộng mô hình này sang sinh học đa phương thức với Bonbon, một foundation model cho tương tác phân tử được huấn luyện trên khoảng 3,2 nghìn tỷ token các chuỗi protein\-ligand ghép cặp\. Từ một không gian biểu diễn duy nhất, Bonbon thể hiện ba khả năng nổi trội zero\-shot ở các cấp độ phân giải phân cấp: chức năng \(cơ chế tác động\), dư lượng \(định vị vị trí liên kết, bao gồm phân biệt orthosteric/allosteric\) và liên kết \(tương tác cộng hóa trị so với không cộng hóa trị\)\. Cả ba khả năng này đều tổng quát hóa cho các phức hợp ngoài phân phối\. Bonbon chỉ được huấn luyện trên các chuỗi protein\-ligand mà không cần giám sát cụ thể cho tác vụ và không cần tọa độ cấu trúc\. Nhóm tác giả đã tiến hành các thí nghiệm scaling có kiểm soát trên sáu quy mô model từ 42M đến 1,6B parameters; mọi khả năng được đánh giá đều cho thấy bước nhảy rõ rệt ở quy mô lớn nhất trên các chỉ số liên tục, ngay cả khi loss khi huấn luyện giảm mượt mà\. Điều này chứng minh rằng các quy luật scaling dựa trên loss đơn thuần là không đủ để dự đoán kh…

## Sources

- [Story source](<https://huggingface.co/papers/2611.14504>)

