InstaDeep 团队发布 MARTINI:代理奖励混合实现推理时定向生成
KristaSinkovics · x · 2026-10-21
InstaDeep 等机构团队（论文在审）发布 MARTINI（Mixing And Reward Tilting for INference-time Improvement），解决「真正关心的奖励难以获取」问题：结合廉价的代理奖励（surrogate rewards）离线学习其组合，推理时无需查询昂贵的 oracle 奖励即可引导预训练生成模型。
- 动机：下游任务常需要人类偏好、结合亲和力等昂贵 oracle 奖励，而 CLIP、几何有效性等代理奖励只覆盖部分目标
- 方法：从有限的离线奖励值或偏好排序中学习代理奖励的组合与倾斜，复用于预训练的扩散/流模型
- 蛋白质-配体共折叠实验：用多个与实验结合亲和力相关的生物学奖励做引导，联合姿态成功率从最强基线的 61.8% 提升至 64.5%
- 提供技术博客与 3D 配体轨迹可视化
所属事件:MARTINI 算法：混合代理奖励引导生成模型，无需重训(3 条相关)→
「研究」频道最新
- CellType 发布 CT-Translate:临床前数据预测免疫治疗患者应答 — david_van_dijk · 2026-10-21
- 中科院团队提出 Slot-JEPA:以对象槽结构改进潜空间世界模型 — China666 · 2026-10-21
- Adobe 联合 KAIST 发布 VideoMaMa++:扩散模型实现长视频时序一致抠像 — adobe · 2026-10-21
- 用 Rust 开发玩具 LLM：Candle 还是 Burn？作者纠结框架选型 — Enderlook · 2026-10-21
- 给小模型配一张「地图」：Reddit 构想用外部知识库替代巨量参数 — FluidModeNetwork · 2026-10-21
- 单个广播机位还原篮球全场3D回放：含球员裁判追踪 — Roger_M_Taylor · 2026-10-21