ProtAgent：两阶段后训练紧凑型蛋白质工具智能体

Yuxiang Wang 等论文作者在 arXiv 发布论文，提出 ProtAgent：一个两阶段后训练流程，先用监督微调（SFT）学习工具接口，再用标准 on-policy REINFORCE 优化交互策略，并引入基于动作奖励与步级回报的交互级信用分配。 论文同时说明：其评估指标衡量的是在该协议下对参考注释的恢复程度，本身并不能证明生物学正确性或完整的证据可溯源。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。