科学知识不再只写进提示词：解码时逐层约束，三个科学任务平均准确率提升12%
大模型在专业科学任务中仍会编造与领域规则相悖的推理依据。SciDC把自然语言写成的科学知识交给通用大模型编译成顶层推理步骤、中层条件校验和底层词元掩码三层规则，再由本地部署的领域模型在解码时执行。在工业配方设计、甲状腺癌TNM分期和单步逆合成三个任务上，与直接生成相比平均准确率提升12%；消融显示去掉顶层或底层规则后配方设计准确率明显下降。
TRACEDD：面向可解释药物设计的工具锚定推理与智能体协同框架
该工作提出 TRACEDD 框架，以“工具优先”的多智能体架构让大语言模型充当推理与编排层、由领域验证过的计算工具提供结构、化学、药理与合成预测，并以 JAK2 为案例走通从靶点验证、结构获取或 AlphaFold 预测、可成药性口袋识别、基于强化学习的从头分子生成、先导优化、ADMET 与生物活性评估、文献证据整合到逆合成规划的端到端流程，使每一步决策都与显式工具调用和中间证据相连。
已读完全部报道