SEISMO: 面向样本高效分子优化的可解释、轨迹条件LLM智能体

摘要

分子优化是化学科学的核心瓶颈，尤其在制药行业，但依赖昂贵且速率受限的评估，需高度样本高效。为此提出SEISMO，一种推理时分子优化LLM智能体，将原本被丢弃的辅助信息转化为显式引导信号。它基于自然语言任务描述、完整优化轨迹及事后可解释性和子得分分解产生的机器可读反馈，对每个提议进行条件化。在多项药物发现相关任务中，SEISMO持续优于现有优化器和零样本LLM生成，且随解释反馈丰富而增益增加。实践中，药物化学家可检查其推理并自然语言干预，保持人在回路。