AI × 生物医药· arXiv · cs.LG·· 2 小时前精选评分58
ReMedI 通过推理时细化与自蒸馏实现可控分子多目标优化
ReMedI: Inference-Time Refinement and Self-Distillation for Controllable Molecular Optimization
导读
ReMedI 以分子语言模型为基础提议分子编辑，并用 Metropolis-Hastings 搜索围绕性质改善、性质保持和先导相似性进行多目标优化。在 C-MuMOInstruct 和 SMDD 基准上，细化使三种骨干架构的冻结基础模型取得显著更高的多目标优化成功率。
推荐理由
ReMedI 将推理时搜索轨迹蒸馏回基础模型，并用训练样本效率和严格成功率量化其相对 C-MORAL 的表现。
来源：AI × 生物医药 · arxiv.org