Papers with Code 分子性质预测导航

面对海量论文，用「带排行榜的任务索引」来导航，比逐篇读高效得多。Papers with Code 曾是这类索引的代表，把论文、代码与基准排行榜关联起来。本篇以「分子性质预测」为例，讲如何用这种方式定位 SOTA。

现状提示：Papers with Code 已于 2025 年由 Meta 关停，部分内容迁移至 Hugging Face Papers（huggingface.co/papers）。下面的「用排行榜导航」方法，同样适用于其它带基准的资源。

怎么用排行榜导航

• 先锁定任务与数据集：如「ESOL 溶解度回归」「BBBP 分类」，对应 MoleculeNet / TDC 中的标准任务。
• 看排行榜挑方法：按指标排序，找出当前领先的几个模型，再去读它们的论文与代码。
• 警惕泄漏：高分可能来自不合理的数据划分；优先信任用骨架划分、有标准基准的结果。

分子性质预测常见基准

• MoleculeNet 的 ESOL、FreeSolv、Lipophilicity（回归）、BBBP、Tox21（分类）；
• TDC 的 ADMET Benchmark Group；
• 代表方法：Chemprop（D-MPNN）、Uni-Mol、各类 GNN 与分子语言模型。

延伸资源

• Hugging Face Papers：huggingface.co/papers
• 基准来源：MoleculeNet、TDC（见「数据资源」模块）。