热点事件持续更新
研究人员提出分子优化自回归框架PairIT
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月15日，研究人员在arXiv发布研究，提出了用于低数据分子优化的自回归Transformer训练框架PairIT。该框架基于SMILES序列，主要通过学习结构相似的分子对来实现种子分子的优化。在机制设计上，PairIT使用prompt tokens来明确指定目标属性、优化方向以及变化幅度，不仅支持通过拼接多个prompt tokens开展多属性协同优化，还可以借助强化学习后训练进一步提升分子的优化效果。
AI 根据报道生成 · 4 小时前更新
最新进展10月15日 12:00
研究人员提出分子优化框架PairIT，支持多属性调控并可通过强化学习提升效果。报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv 机器学习PairIT：用于低数据分子优化的自回归 Transformer 框架
研究人员提出基于 SMILES 序列的自回归 Transformer 训练框架 PairIT，通过学习结构相似的分子对来实现种子分子优化。该框架利用 prompt tokens 指定目标属性、优化方向与变化幅度，支持拼接多个 prompt tokens 进行多属性优化，并可通过强化学习后训练进一步提升效果。
本事件热度走势
当前热度 9·可比范围峰值 10（10月15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。