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。