ReMedI：推理时精炼与自蒸馏的分子优化方法
热点事件持续更新
ReMedI：推理时精炼与自蒸馏的分子优化方法
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Jia Yi Zhang 等作者提出 ReMedI 分子优化方法：把分子语言模型当作推理时对齐的基础提议器，用 Metropolis-Hastings 搜索策略引导多目标分子编辑。作者称，在 C-MuMOInstruct 和 SMDD 基准上，该方法在三个骨干模型上显著提升了多目标优化成功率。 作者还称，搜索轨迹可蒸馏回基础模型，训练所需分子先导物比 C-MORAL 少约 7.8 倍，严格成功率覆盖约为 C-MORAL 的 2.8 倍，并包含分布外任务。上述效果均为作者报告，尚待独立验证。
AI 根据报道生成 · 47 分钟前更新
最新进展10月26日 12:00
ReMedI：用推理时精炼与自蒸馏实现可控分子优化报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv cs.AIReMedI：用推理时精炼与自蒸馏实现可控分子优化
ReMedI 将分子语言模型作为推理时对齐的基础提议器，用 Metropolis-Hastings 搜索策略引导多目标分子编辑，在 C-MuMOInstruct 和 SMDD 基准上于三个骨干模型上显著提升多目标优化成功率。其搜索轨迹可蒸馏回基础模型，训练所需分子先导物比 C-MORAL 少约 7.8 倍，严格成功率覆盖约为 C-MORAL 的 2.8 倍，并包含分布外任务。
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。