测试时搜索用于抗体设计，成功率从16%跃升至78%
anshulkundaje · x · 2026-10-09
OpenDDE 团队发布新推理算法 Test-Time Structure-Space Search，用于抗体药物候选的设计与筛选。
核心数据：在 OpenDDE 通常失败的抗体–抗原靶点上，top-1 成功率从 16% 提升到 78%，且模型完全冻结——无需重训、无需梯度反传，只需 5 个正确接触点（contacts）。
- 同样的 25 个候选预算下，仅用 contacts 重排序只能达到 33%，而在去噪过程中直接引导采样轨迹可到 78%——说明约四分之三的增益来自改变采样轨迹本身，而非事后挑选。
- 思路是「测试时算力不只属于 LLM」：不是在多个样本中挑最好的，而是在采样器仍在去噪时搜索更好的结构。
配套开源仓库为 aurekaresearch/OpenDDE（505 star，Apache-2.0），定位为开源药物发现引擎，用共折叠（co-folding）做结构预测、设计与优化的可扩展引擎。注意目前为 preview 版，CLI 与 checkpoint 跨版本不保证可复现。
「研究」频道最新
- 新实验:LLM 能读出已删 CoT 的隐藏信息,瓶颈在引出而非存储 — Sauers_ · 2026-10-09
- 直接改权重：Goodfire VPD 让模型答对率提升 10 倍，并揭开自省失效机制 — Sauers_ · 2026-10-09
- 从经验中学习长什么样:模型在棋局中学会重视和棋 — anirudhg9119 · 2026-10-09
- 关闭单个注意力头竟改善 Qwen3-1.7B 的「自省」行为 — Sauers_ · 2026-10-09
- 模型能内省找回已删除的 CoT 词元,机制却出人意料 — Sauers_ · 2026-10-09
- Inherit-MAS:借鉴生物遗传的多智能体系统测试时进化,省 34.6% token — Songtao Wei · 2026-10-09