MoLRSI：可递归自我改进的分子发现AI智能体

MoLRSI用经验递归优化工作流，提升分子发现命中率

资讯摘要

论文提出MoLRSI，一种面向分子发现的AI智能体，将工作流与模型架构的系统优化同跨任务持久记忆结合，使智能体依据工作流表现、改进结果和执行反馈递归提升搜索策略。作者在抗生素发现中报告实验命中率15.9%，高于同一训练数据与筛选库下专家主导工作流的8.7%；在从头设计肽-MHC结合物任务中，产出8个经实验验证的命中，对MART-1和SARS-CoV-1 pMHC具有优先结合，而Claude Science完全失败。

要点速读

1. MoLRSI结合工作流与模型架构优化及跨任务持久记忆，递归改进分子发现搜索策略。
2. 抗生素发现中作者报告实验命中率15.9%，对比专家主导工作流的8.7%。
3. 肽-MHC结合物设计中产出8个实验验证命中，Claude Science在该任务中完全失败。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。