ReMedI：推理时精炼与自蒸馏的分子优化
热点事件持续更新
ReMedI：推理时精炼与自蒸馏的分子优化
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
2026年10月26日，arXiv 人工智能板块出现一篇由 Jia Yi Zhang 等作者发布的论文，提出 ReMedI 分子优化方法。该报道称，ReMedI 将分子语言模型作为推理时对齐的基础提议器，用 Metropolis-Hastings 搜索引导多目标分子编辑；在 C-MuMOInstruct 和 SMDD 两个基准上，三个冻结骨干模型的多目标优化成功率显著高于基线。报道还称，搜索轨迹可蒸馏回基础模型，训练所需分子先导物比 C-MORAL 少约 7.8 倍，严格成功覆盖率约为 C-MORAL 的 2.8 倍，并覆盖分布外任务。上述数字与比较均出自该论文报道，目前尚无其他跟进报道可交叉核对。
AI 根据报道生成 · 1 小时前更新
最新进展10月26日 12:00
ReMedI：用推理时精修与自蒸馏实现可控分子优化报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv Artificial IntelligenceReMedI：用推理时精修与自蒸馏实现可控分子优化
ReMedI 将分子语言模型作为推理时对齐的基础提议器，用 Metropolis-Hastings 搜索引导多目标分子编辑，在 C-MuMOInstruct 和 SMDD 两个基准上让三个冻结骨干模型的多目标优化成功率显著高于基线。搜索轨迹可蒸馏回基础模型，训练所需分子先导物比 C-MORAL 少约 7.8 倍，严格成功覆盖率约为 C-MORAL 的 2.8 倍，并覆盖分布外任务。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。