计算药物发现智能体通常每次任务都从零组织工具调用，难以把一次成功经验带到下一次。DrugHarness把80余项科学操作与生物医学资源放进同一工作区，从执行轨迹中归纳带适用条件的行动假设，再由独立审查智能体核对来源、必要时做定向试算后才纳入技能库。在MolBench上，未启用进化的配置把亲和力比较准确率做到91.9%，比已报道的MolClaw-CC高10.8个百分点；回顾性评估中，冻结的学习技能把Qwen的优化成功率从79.5%提高到87.2%。
Anthropic的生命科学团队报告，Claude已被用于六家机构的真实药物研发项目，任务从分子设计延伸到生产文件复核与监管申报。此前这类工作的讨论多集中在新分子初始设计，而制造环节的文书工作仍靠人工，化学家最多有75%的时间花在记录上。在Enveda的测试中，Claude在1,061页生产文件里找出了人工复核者标记的全部11处问题，另多标记7处，并将人工复核时间从25小时以上压缩到不足3小时；这些结果大多仍处临床前阶段。
这篇综述系统梳理了人工智能与机器学习在先导化合物优化中的应用现状，涵盖图神经网络、Transformer架构、扩散模型与化学基础模型在分子设计与性质预测方面的进展，并讨论了以数据为中心的人工智能、不确定性量化、可信人工智能、人工智能优化悖论以及从分子预测转向科学决策等新兴概念，指出尽管工业界采用日益增加，人工智能仍依赖高质量实验数据、模型泛化能力与严格实验验证，未来进展更多取决于能在迭代式先导优化工作流中改善科学决策的可信人工智能系统，而非日益复杂的算法。
已读完全部报道