Данное исследование, опубликованное в Nature Machine Intelligence, посвящено критическому анализу модели RXNGraphormer, предназначенной для прогнозирования химических реакций. Авторы провели независимое воспроизведение результатов и тестирование модели на внешних бенчмарках для оценки её устойчивости. Исследование подтверждает, что RXNGraphormer демонстрирует высокую воспроизводимость и способность к переносу знаний (transferability) при выполнении различных задач по предсказанию реакций. Однако работа выявила существенные ограничения модели при работе в условиях гетерогенных данных и при наличии сдвига распределения (distribution shift). Результаты подчеркивают необходимость учета вариативности данных при внедрении подобных ИИ-решений в автоматизированные системы химического синтеза. Практическая значимость заключается в предоставлении методологии оценки надежности графовых трансформеров в задачах молекулярного моделирования.