ProTok实现蛋白质统一标记化

发生了什么

据arXiv cs.LG报道，研究者提出ProTok，一种通过模块化多码本量化实现蛋白质序列、结构和功能注释统一标记化的方法。ProTok在StructTokenBench基准测试中表现优异，其令牌兼具可重构性和信息量，并支持从头训练的紧凑语言模型生成骨干和序列。