热点事件持续更新
LLM-to-Flow Distillation 优化药物设计模型
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月15日，Rohan Paul 在 X 上介绍了 LLM-to-Flow Distillation（LFD）方法，用于让药物设计模型直接以自然语言目标驱动生成，无需针对特定靶点训练奖励模型。该方法通过 LLM 生成子目标并迭代 DPO 完成引导。报道称，基础分子模型在 38,500 个样本中产出 0 个可用命中，经数轮迭代后每 512 个样本即可产出 1 个。此外，LLM 评分模型以 69.06 对 57.04 击败直接使用真实评分函数训练的版本，且全程未接触任何真实分数。目前该报道为唯一来源，尚无其他独立报道或后续进展。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 19:26
新报道称 LFD 方法让药物设计模型无需奖励模型即可用自然语言目标驱动生成。报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- Rohan Paul (@rohanpaul_ai) · XLLM 评分替代奖励模型，药物设计实现自然语言控制
新方法 LFD 让药物设计模型直接用自然语言目标驱动生成，无需针对特定靶点训练奖励模型，通过 LLM 生成子目标并迭代 DPO 完成引导。基础分子模型在 38,500 个样本中产出 0 个可用命中，经数轮迭代后每 512 个样本即可产出 1 个。LLM 评分模型以 69.06 对 57.04 击败直接使用真实评分函数训练的版本，且全程未接触任何真实分数。
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。