训练 ADMET 多任务模型：一次预测多个性质

ADMET 各终点相关、单任务数据有限，多任务学习能共享表征、提升小数据终点表现。

操作步骤

1. 整理多终点数据为一张表（SMILES + 各性质列，允许缺失）；
2. 用 Chemprop 多任务模式或 DeepChem 多任务模型；
3. 对缺失标签做掩码（只在有标签处计算损失）；
4. 用骨架划分评估每个终点；
5. 对照单任务模型，确认多任务确有增益（防负迁移）。

延伸资源

• 概念见 156；数据见 244；下一步 335。