每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

AttriLens-Mol：基于属性引导的强化学习，利用大型语言模型进行分子特性预测

Created by
  • Haebom

作者

林轩、陈龙、王一乐

大纲

AttriLens-Mol 是一个基于属性的强化学习框架，用于使用大规模语言模型 (LLM) 进行分子特征预测。该框架通过鼓励基于特征的结构化输出的正式奖励、防止列出不相关属性的计数奖励以及验证生成属性相关性的合理性奖励来指导模型推理。AttriLens-Mol 有效地利用了模型对相关分子属性的固有知识，从而提升了分子特征预测的性能。使用 4,000 个样本训练 7B 规模的 R1-Distilled-Qwen2.5 和 R1-Distilled-LLaMA3.1 模型，其结果与监督微调模型和高级模型相当或更佳，提取的属性也优于可解释的决策树模型。

Takeaways，Limitations

•
Takeaways：
◦
使用基于属性的强化学习提高 LLM 的分子属性预测性能。
◦
与监督学习模型和高级模型相比，实现同等或更好的性能。
◦
使用提取的属性提高可解释模型的性能和可预测性。
•
Limitations：
◦
论文中没有明确提及具体的 Limitations（样本数量有限、特定模型依赖性等）。
◦
未来的研究需要验证其他模型和数据集的可扩展性。
◦
强化学习框架的复杂性。
👍
Made with Slashpage