准确预测反应特性(如活化能、焓变、速率常数和产率)是设计高效且可持续化学工艺的关键。虽然使用反应缩略图(CGR)的基于图模型表现出强劲性能,但基于文本的 Transformer 模型由于在可扩展性和性能方面的优势,在反应 SMILES 训练上日益流行。在本工作中,我们分析了一种现有的基于 CGR 的反应特性预测字符串表示法(SMILES/CGR)的性能。与传统反应 SMILES 不同,这种表示法在统一的类 SMILES 序列中明确编码了原子和键的变化。SMILES/CGR 的一个关键局限性是它不编码立体化学。为了克服这一点,我们引入了叠加反应 SMILES (sr-SMILES),这是一种保留完整立体化学信息的紧凑型基于 CGR 的表示法。为了评估这两种表示法,我们通过掩码语言建模在 200 万个 USPTO 反应上预训练了一个 BERT transformer,然后在六个基准数据集上微调了单独的模型。我们将结果与在标准反应 SMILES 上训练的模型、朴素基线以及文献结果进行了比较。我们的结果显示,sr-SMILES 始终匹配或优于反应 SMILES,特别是在机制信息关键的基准测试以及低数据情况下。相比之下,SMILES/CGR 往往表现不佳,突显了 CGR 编码细节的重要性。虽然 sr-SMILES 并未缩小与基于图的 CGR 方法之间的性能差距,但它表明,当适当编码时,语言模型可以从显式机制信息中受益。此外,通过比较具有不同原子映射的 SMILES/CGR 和 sr-SMILES 模型,我们强化了基于 CGR 的方法对映射质量高度敏感的观点。对于在基于字符串的表示法中观察到的相似性能,一个合理的解释是语言模型在(预)训练期间隐式学习了原子映射,使得显式映射对于许多预测任务来说变得不必要。