AttriLens-Mol은 대규모 언어 모델(LLM)을 활용한 분자 특성 예측을 위한 속성 기반 강화 학습 프레임워크입니다. 이 프레임워크는 속성 기반 구조적 출력을 장려하는 형식 보상, 관련 없는 속성 열거를 방지하는 개수 보상, 생성된 속성의 관련성을 검증하는 합리성 보상을 통해 모델의 추론을 유도합니다. AttriLens-Mol은 모델의 내재된 관련 분자 속성에 대한 지식을 효과적으로 이끌어내어 분자 특성 예측의 성능을 향상시킵니다. 7B 크기의 R1-Distilled-Qwen2.5 및 R1-Distilled-LLaMA3.1 모델을 4,000개의 샘플로 훈련한 결과, 지도 학습 미세 조정 모델 및 고급 모델보다 동등하거나 더 나은 결과를 얻었으며, 추출된 속성은 해석 가능한 의사 결정 트리 모델에서 더 나은 성능을 보였습니다.
