★ 2
ReMedI：推理时精炼与自蒸馏实现可控分子优化
论文提出 ReMedI 框架，将分子语言模型作为基础提议器，在推理阶段用 Metropolis-Hastings 搜索引导多目标分子编辑。搜索轨迹再蒸馏回基座模型，仅需 C-MORAL 约 1/7.8 的训练数据，严格成功率覆盖达其 2.8 倍。
arXiv cs.LG8 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出 ReMedI 框架，将分子语言模型作为基础提议器，在推理阶段用 Metropolis-Hastings 搜索引导多目标分子编辑。搜索轨迹再蒸馏回基座模型，仅需 C-MORAL 约 1/7.8 的训练数据，严格成功率覆盖达其 2.8 倍。