ReMedI：推理时优化分子探索方法
热点事件持续更新
ReMedI：推理时优化分子探索方法
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Jia Yi Zhang 等在 arXiv 发布论文 ReMedI，提出一种以分子语言模型为提议器的推理时对齐方法，用 Metropolis-Hastings 搜索引导序列化分子编辑，用于多目标药物先导优化。 论文称，ReMedI 在与基线 C-MORAL 相近的先导分子相对相似度下，实现约 2.8 倍的严格成功覆盖率，包括分布外任务；搜索轨迹还可蒸馏回基础模型，用约少 7.8 倍的训练分子先导数据改善零样本生成与后续搜索。
AI 根据报道生成 · 1 小时前更新
最新进展10月26日 12:00
ReMedI：基于推理时精炼与自蒸馏的可控分子优化方法报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv cs.AIReMedI：基于推理时精炼与自蒸馏的可控分子优化方法
ReMedI 提出以分子语言模型为提议器的推理时对齐方法，用 Metropolis-Hastings 搜索在多目标药物先导优化中引导序列化分子编辑。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。