LLM-to-Flow 蒸馏:让科学生成器听懂自然语言的发现目标
rbhar90 · x · 2026-10-15
研究者提出 LLM-to-Flow Distillation(LFD),一种把科学生成模型适配到高层自然语言发现目标的方法:
- 做法:从「设计有抗癌活性的多肽」「设计结合 D2 多巴胺受体的小分子」这类文本目标出发,通过 LLM 生成子目标并做迭代 DPO,把 LLM 的目标相关知识蒸馏进科学生成器。
- 优点:无需任务特定的代理奖励,可通过 API 接入任何前沿 LLM。
- 结果:在留出计算评测上超越 FlowGRPO、DiffusionNFT 等最先进的奖励引导方法。
属于 AI for Science 方向的新训练方法,对分子/蛋白质生成研究有直接参考价值。
所属事件:ETH等推出LFD方法，让科学生成器听懂自然语言(3 条相关)→
「研究」频道最新
- Colossal 用 AI 重建灭绝基因组并追踪濒危物种 — IgorCarron · 2026-10-15
- Thinking Machines 推出 Dimuon 优化器,LoRA 微调有望告别 AdamW — simonguozirui · 2026-10-15
- NVIDIA 报告:GPT-6 Astra 做机器人策略,Agentic 方案 RoboLab-120 达 74.8% — YuXiang_IRVL · 2026-10-15
- Bittensor 子网完成千万次合成 CRISPR 实验,248 名矿工竞价参与 — markjeffrey · 2026-10-15
- Qwen3-1.7B 拒答「被关机」：每层都训与只训末四层差别巨大 — Sauers_ · 2026-10-15
- DeepSeek 首篇 LLM 论文标题就叫「以长期主义 scaling 开源模型」 — teortaxesTex · 2026-10-15