arXiv cs.AI· Yuxiang Wang, Baojian Zhou, Qifang Zhao, Keyue Jiang, Yanghua Xiao, Xiaoxiao Xu·· 14 小时前AI 评分40
ProtAgent：用交互级信用分配后训练紧凑蛋白质工具智能体
ProtAgent: Post-Training Compact Protein Tool Agents with Interaction-Level Credit Assignment
AI 导读
ProtAgent 用两阶段后训练让紧凑模型学会调用真实生物信息学工具：先以 SFT 学习工具接口，再用 on-policy REINFORCE 优化交互策略，并把中间工具调用奖励与最终答案奖励按 step-level 回报分配给产生它们的动作。
正文 · AI 翻译
摘要：蛋白质注释智能体必须选择合适的生物信息学工具、解读其输出，并将由此获得的证据用于最终答案。现有系统大多依赖前沿规模的模型。我们探究一个紧凑模型能否通过与真实工具交互进行后训练来学习这种行为。我们提出 ProtAgent，这是一个两阶段流水线，使用监督微调（SFT）学习工具接口，并使用标准的同策略 REINFORCE 改进交互策略。中间工具调用获得动作奖励，最终回复获得终端答案奖励。步级回报将这些奖励分配给产生它们的回复以及之前的动作。回合级基线则改为将同一个回合回报分配给每个动作。在固定闭环协议下使用真实生物信息学工具，ProtAgent-8B 在注释覆盖率指标下达到 61.00% 的成功率，而 DeepSeek-V3.2-Thinking 671B 为 41.60%，评估中最强的前沿系统为 60.80%。在三随机种子比较中，在恒等回报归一化下，回合级回报的平均成功率为 42.70%，步级回报为 61.40%；相应的组相对结果分别为 36.50% 和 58.20%。该指标衡量的是该协议下参考注释的恢复程度；它本身并不能确立生物学正确性或完整的证据支撑。
| 评论： | 20 页，2 幅图 |
| 主题： | 定量方法（q-bio.QM）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.33746 [q-bio.QM] |
| （或 arXiv:2610.33746v1 [q-bio.QM] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.33746 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Yuxiang Wang [查看邮箱]
[v1]
2026 年 10 月 24 日星期六 15:42:13 UTC（270 KB）
来源：arXiv cs.AI · arxiv.org