ReMedI：用于可控分子优化的推理时精化与自蒸馏

arXiv:2610.32103v1 发布类型：新 摘要：在药物研发中，先导化合物的优化需要同时提升各项性能指标，例如增加渗透性并降低毒性，同时尽量减少可能影响先导化合物活性的骨架变更。基于强化学习的后训练方法，如 C-MORAL，通过微调分子语言模型，直接针对感兴趣的优化目标对分子先导进行优化，但这种方法依赖于昂贵的任务特定数据集，并且在实现多目标优化（MOO）方面面临诸多挑战。我们认为，预训练模型可能已经蕴含了有益的分子结构改写信息，而零样本生成难以高效地触及这些信息。鉴于零样本生成的搜索能力有限，我们提出了一种高效的 Metropolis-Hastings 搜索策略，以……