مترجم لا يتعلم لغة جديدة، بل يجد المعنى العام فورًا من خلال عدة أمثلة. هكذا يعمل Monroe — نموذج للتنبؤ بخصائص الجزيئات. سابقًا، كانت هذه النماذج تحتاج إلى ضبط طويل لكل مهمة، مثل مترجم يتعلم لغة جديدة من الصفر. أما Monroe فينظر إلى عدة أمثلة ويعطي الإجابة فورًا.

هذا مهم لأن جزيئين لهما نفس التركيب لكن بشكل مختلف قد يتصرفان بشكل مختلف. يميز Monroe بين هذه الحالات.

للتنبؤ، يستخدم Monroe TabPFN — نموذجًا يقارن الجزيئات الجديدة بتلك المعروفة بالفعل. وهذا يسمح له بالعمل بسرعة ودقة، حتى عندما تكون البيانات قليلة. في الاختبارات، أظهر Monroe نتائج أفضل من النماذج الأخرى، خاصة في الحالات التي تؤدي فيها التغييرات الصغيرة في الجزيء إلى تغيير كبير في تأثيره.