NeurIPS 论文:离散扩散导向策略将分子优化 oracle 调用减少 58 倍
yisongyue · x · 2026-11-05
Caltech 与 Genesis Molecular AI 的 NeurIPS 2026 论文研究如何高效分配测试时算力,让预训练分子生成模型对齐特定蛋白靶点。
- 核心问题:预训练模型学会了药物化学的「语法」,但随机采样几乎不可能命中能结合特定靶点的高奖励分子;需要测试时计算将通用先验对齐到下游目标
- 方法:把先验与结合奖励重加权为倾斜目标分布 p(x) ∝ ppre(x)·exp(r(x)/β),在奖励与化学有效性之间取舍;测试时预算要权衡 oracle 评估调用与模型自身采样成本
- 结果:仅用 86 次 oracle 评估,就达到最强推理时搜索基线(Beam Search)约 5,000 次评估的性能,减少约 58 倍调用
结论:哪种测试时算法占优取决于 oracle 与模型推理的相对成本,设计选择决定反馈效率。
「研究」频道最新
- STOC 2027 收到1665篇投稿，约75%论文报告使用AI辅助证明 — fortnow · 2026-11-05
- MIT 展示 GPT-6 Astra 直改 Qwen 权重，数学成绩提升 6 倍 — lateinteraction · 2026-11-05
- Michael Levin 团队新预印本:提出 topoiesis 解释群体形态发生救援 — drmichaellevin · 2026-11-05
- 用 coding agent 把声学仿真移植到 WebGPU:浏览器里看声道运动 — vincesitzmann · 2026-11-05
- 同数据同 tokenizer 对照实验：DeepSeek V3.1 微调 CE 优于 Llama 全系 — kalomaze · 2026-11-05
- diffTLM 可微分声道模拟器获 NeurIPS 2026 Spotlight — vincesitzmann · 2026-11-05