双层优化利用无标注数据,破解分子性质预测 OOD 泛化难题
CatAstro_Piyush · x · 2026-09-26
GenBio ICML Workshop 2025 接收论文,作者来自 KAIST 团队(Jina Kim、Jeffrey Willette、Bruno Andreis、Sung Ju Hwang)。针对药物发现中分子预测模型的核心痛点:关键化合物常在训练分布之外(OOD),标注数据又因实验验证昂贵而稀缺,导致标准深度模型在协变量偏移下预测不稳。方法提出一种双层优化(bilevel optimization)框架,利用无标注数据在分布内(ID)与分布外(OOD)样本间做插值,让模型学到超越训练分布的泛化能力。在多个真实偏移数据集上取得显著性能提升,t-SNE 可视化展示了插值效果。
「研究」频道最新
- WetLabs 基准发布:9 项湿实验任务实测机器人能否加速科研 — ericjang11 · 2026-09-26
- Medmarks v1.0 发布并入选 NeurIPS:医疗 LLM 评测扩至 30 项、61 个模型 — iScienceLuvr · 2026-09-26
- AI 闭环实验发现无铱钌钯基催化剂,InMnPdOx 稳定运行 1000 小时 — CatAstro_Piyush · 2026-09-26
- RGBD20K 发布:2 万对 RGB-D 图像、160 类的语义分割新基准 — UNT · 2026-09-26
- AI 辅助形式化验证以太坊解耦共识协议,迈向 4-8 倍最终性提速 — DavideCrapis · 2026-09-26
- 预注册研究不到一成做多假设校正 — RexDouglass · 2026-09-26