递归自我改进 Agent MolRSI：湿实验命中率提升 82%，8:0 力压 ClaudeScience

机器之心 · wechat · 2026-11-14

北大等团队发布 MolRSI——一个面向分子发现的递归自我改进 AI agent（论文 arXiv:2610.39714），通过双循环搜索优化科研工作流本身：内循环用经验引导的蒙特卡洛树搜索改进当前工作流，外循环把方案记忆、改进记忆和执行记忆带入后续任务，让下一次搜索起点更好。

抗菌分子筛选

在约 1210 万化合物库中，MolRSI 自主优化出的筛选流程最终选出 107 个候选送湿实验，命中 17 个（15.9%），而人类专家设计的非智能体工作流为 21/241（8.7%），相对提升约 82%；两者使用相同训练数据和同一 MSSA 抑菌标准。
独立测试集上，其抗菌活性预测器 AUPRC 从 0.090 提高到 0.300；代表性分子 C3、C32 对 MRSA 的 MIC 分别为 1 和 8 μg/mL。
跨任务经验的价值：在 6 项抗菌任务上，继承 25 个来源任务经验的系统首次评估工作流即超过 Biomni、STELLA、Codex、ClaudeCode 等各搜 20 轮的最终流程。

pMHC 结合蛋白从头设计

在 MART-1 和 SARS-CoV-1 两类 pMHC 靶标上，经噬菌体展示验证，MolRSI 获得 8 个满足特异性判据的结合命中，同预算的 ClaudeScience 为 0；去掉候选排序环节则 479 个设计中无一命中，验证了排序环节的关键性。

「编程与Agent」频道最新