Un intérprete se distrae con cada ruido en la sala, y una reunión de una hora se convierte en dos. Algo parecido ocurre con los modelos fundamentales moleculares: aprenden el lenguaje de las moléculas a partir de corpus enormes, pero para cada nueva conversación requieren un ajuste. Monroe cambia las reglas: no aprende un idioma nuevo, sino que capta al instante el sentido común a partir de unos pocos ejemplos.

Su característica clave es una representación mejorada de la estereoquímica: para los dobles enlaces E/Z y los centros quirales R/S se añaden aristas auxiliares que distinguen isómeros. Es como si el intérprete no solo distinguiera palabras, sino también los gestos que cambian el significado.

En lugar de un ajuste fino, Monroe utiliza TabPFN, un modelo entrenado con datos tabulares sintéticos. A partir de los embeddings de las moléculas y sus etiquetas, produce una predicción probabilística para la molécula de prueba en una sola pasada. Esta inferencia probabilística en contexto funciona como un intérprete experimentado que entiende la esencia de la conversación con unas pocas réplicas, sin consultar el diccionario.

En las 28 tareas de Polaris, Monroe gana o es estadísticamente indistinguible del mejor método en el 100% de los casos, con un rango medio de 3,71. En las 30 tareas de MoleculeACE, orientadas específicamente a los "activity cliffs" (cambios bruscos de actividad con pequeñas diferencias estructurales), el modelo muestra el mejor RMSE global de 0,629 y el mejor cliff RMSE de 0,737.

Además, aplicar TabPFN a los modelos existentes MiniMol y CheMeleon da lugar a nuevas variantes potentes, MiniMolPFN y CheMeleonPFN, lo que confirma la universalidad del enfoque.

Monroe demuestra que la inferencia probabilística en contexto puede sustituir al ajuste fino, reduciendo los costes computacionales y mejorando el trabajo con datos pequeños. Esto abre el camino a métodos más flexibles y rápidos en quimioinformática. El intérprete ya no necesita aprender cada dialecto: basta con entender el lenguaje común.