热点事件持续更新
研究者提出分子优化框架ReMedI
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月26日，研究人员在 arXiv 发布面向可控分子优化的新框架 ReMedI。该方法将分子语言模型与 Metropolis-Hastings 搜索相结合，用于实现推理时对齐与多目标优化。实验显示，在 C-MuMOInstruct 与 SMDD 基准测试中，该精炼策略在 3 种主干模型上均显著提升了多目标优化的成功率。此外，ReMedI 采用的搜索轨迹自蒸馏技术表现出较高的训练效率，相比基线方法 C-MORAL 减少了约 7.8 倍的训练分子，同时在严格成功覆盖率上达到 C-MORAL 的约 2.8 倍。
AI 根据报道生成 · 5 小时前更新
最新进展10月26日 12:00
研究者提出分子优化框架ReMedI，显著提升多目标优化成功率并降低训练样本需求。报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv 机器学习ReMedI：面向可控分子优化的推理时精炼与自蒸馏
研究人员提出分子优化方法 ReMedI，利用分子语言模型结合 Metropolis-Hastings 搜索实现推理时对齐与多目标优化。在 C-MuMOInstruct 与 SMDD 基准上，该精炼策略跨 3 种主干模型均显著提升了多目标优化成功率。其搜索轨迹自蒸馏相比基线 C-MORAL 减少约 7.8 倍训练分子，严格成功覆盖率达 C-MORAL 的约 2.8 倍。
本事件热度走势
当前热度 9·可比范围峰值 10（10月26日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。