学习蛋白质折叠能否泛化到更广泛推理？
用蛋白结构问答后训练，提升空间、图等推理表现。
为什么重要
展示非语言、结构密集科学数据可作为通用推理后训练监督。
阅读原文arxiv.org
AI 解读（根据原文生成）
论文提出用蛋白折叠作为可验证的结构推理监督来源，构建 FoldingCorpus 蛋白衍生问答数据集，并提出 Fold2Reason 后训练方案：同时用语言头预测离散结构答案，并从共享表征解码连续 3D 几何。在 FoldBench 上，Fold2Reason 的结构预测分数达到 Qwen3.5-9B 的 2.7 到 3.5 倍；在 10 个空间、图、科学和通用推理基准上均有提升。代码已在 GitHub 提供。
要点（AI 据原文整理，数字均已与原文核对）
- On FoldBench, Fold2Reason achieves structure prediction scores 2.7 to 3.5 times those of Qwen3.5-9B.
- It improves performance on all 10 benchmarks spanning spatial, graph, scientific, and general reasoning.
- Matched controls built from random, synthetic, and shuffled structure yield substantially smaller or negative gains.