HypoEvolve:遗传算法编排多 Agent LLM,在 34 种癌症药物重定位上击败六个基线

Jieyuan Liu · hf · 2026-09-17

HypoEvolve 是一个用生成式遗传算法协调专业化 LLM Agent 的科学假设发现框架,让「协作方式对假设质量的影响」变得可直接检验。

方法

• 以假设种群的成功世代更新显式化协作:各代规定科学判断与新提案如何重塑种群,Agent 负责整合机理论证、重审假设、评估证据与可检验性
• 评估围绕「能解释干预如何起效」的科学假设展开:药物重定位任务将解释与靶点级生物学声明关联,用 DepMap 与 Open Targets 改造为基于实验、遗传与临床证据的互补外部指标

结果

• 在 34 种癌症类型上,对六个基线均取得最高分:DepMap 选择性达 0.171,最强基线仅 0.115
• 相对单次生成的提升可泛化到留出的癌症类型

作者将此视为「AI 研究团队的发现能力超越单个模型」的自主科学愿景的一步。

原文链接 →

「研究」频道最新

• DSPy 新玩法 Jev：不拆模块，改拆输出字段来优化程序 — dbreunig · 2026-09-17
• Zeno 发布 Zeno-1：30 亿参数去中心化多机器人协作基础模型 — jiqizhixin · 2026-09-17
• 曲率条件多尺度动量新优化器:显著加速 Muon,覆盖 0.12B-2.3B 模型 — YouJiacheng · 2026-09-17
• 白皮书用「语义场力学」重新解读 OpenAI-HuggingFace 安全事件 — LopsidedLevel9009 · 2026-09-17
• ModAR:世界动作模型逐模态预测未来,30M参数胜过6B视频模型微调 — k7agar · 2026-09-17
• 中科大阿里CEDAR预测误差降57%,线上验证商家LTV升13% — 量子位 · 2026-09-17

更多「研究」频道 AI 资讯 →