論文の概要: PharmAgent: Constraint-Aware Search with Frozen Language Models for Molecular Optimization
- arxiv url: http://arxiv.org/abs/2610.05431v1
- Date: Sun, 04 Oct 2026 18:11:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-10 13:50:09.37215
- Title: PharmAgent: Constraint-Aware Search with Frozen Language Models for Molecular Optimization
- Title（参考訳）: PharmAgent:分子最適化のための凍結言語モデルによる制約付き検索
- Abstract要約: 我々は適応的な外部状態によって駆動される制約を意識した分子探索法であるPharmAgentを提案する。
ラグランジアンコントローラは、受理状態の違反を蓄積された制約圧力に変換する。
我々は、制御器の乗算器に許容状態違反がどのように蓄積されているかを特徴付ける正確なIDを導出する。
- 参考スコア（独自算出の注目度）: 13.130334248378242
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Molecular optimization must improve target activity and satisfy developability constraints within limited evaluation budgets. Classical methods require tailored rules or training to incorporate chemical instructions and property feedback. Frozen language models can condition edits on this information, but need explicit constraint control and relevant experience. We therefore present PharmAgent, a constraint-aware molecular search method driven by adaptive external state. Its Lagrangian controller translates violations in accepted states into accumulated constraint pressure, keeping this history separate from current property measurements. Structure-indexed replay complements this feedback with relevant evaluated transitions that guide subsequent proposals. As a curriculum progressively activates constraints, candidates and the incumbent are compared under the same current objective, and the accepted state determines the next multiplier update. We derive an exact identity that characterizes how accepted-state violations accumulate in the controller's multipliers. Across five tasks with five independent runs, PharmAgent achieves a summed area under the target-score curves (AUC) of 3.9208 in target-only search, improving over MOLLEO by 37.3%. With online constraints, it achieves a property-adjusted AUC of 0.7076, improving over the strongest online baseline, ExLLM, by 53.8%. These results rank first among all evaluated methods in both target-only and constraint-aware search. The online comparison covers all five baseline frameworks. The full system leads every ablation variant in target quality, property-adjusted performance, and Pareto hypervolume. All five molecular cases reach feasible final states, documenting target gains and trade-offs.
- Abstract（参考訳）: 分子最適化は目標活動を改善し、限られた評価予算内で開発可能性の制約を満たす必要がある。
古典的な方法には、化学的な指示や特性フィードバックを組み込むための調整された規則や訓練が必要である。
凍結言語モデルは、この情報に対して条件付き編集を行うことができるが、明示的な制約制御と関連する経験が必要である。
そこで我々は適応的外部状態によって駆動される制約を意識した分子探索法であるPharmAgentを提案する。
ラグランジアンコントローラは、受理状態の違反を蓄積された制約圧力に変換する。
構造をインデクシングしたリプレイはこのフィードバックを、その後の提案をガイドする関連する評価された遷移を補完する。
カリキュラムが段階的に制約を発動すると、候補と既存候補を同じ目標の下で比較し、受理状態が次の乗算器更新を決定する。
我々は、制御器の乗算器に許容状態違反がどのように蓄積されているかを特徴付ける正確なIDを導出する。
5つの独立した5つのタスクで、PharmAgentは目標スコア曲線(AUC)の3.9208の合計面積を達成し、MOLLEOよりも37.3%向上した。
オンラインの制約により、プロパティ調整されたAUCは0.7076に達し、最強のオンラインベースラインであるExLLMを53.8%改善した。
これらの結果は,対象限定検索と制約対応検索の両方において,評価手法の中で第1位である。
オンライン比較は5つのベースラインフレームワークをすべてカバーしている。
完全なシステムは、ターゲット品質、プロパティ調整されたパフォーマンス、Pareto hypervolumeのあらゆるアブレーションを導く。
5つの分子のケースは全て実現可能な最終状態に達し、目標ゲインとトレードオフを文書化する。
関連論文リスト
- MARCO: Multi-Round Agentic Reinforcement for Conditional Molecular Optimization [54.020314646710204]
我々は分子エディターを訓練する評価器を用いた強化学習フレームワークであるMARCOを紹介する。
MARCOは、形をしたターン報酬を、グループ相対的なポリシー最適化のための未公表の軌道リターンに集約する。
このトレーニングの結果は,一応の予算でトレーニングされたポリシをテストし,同じポリシが検証者フィードバックを利用できるかどうかをSame-5でテストする,という2つの結果が得られた。
論文 参考訳（メタデータ） (2026-09-29T04:21:05Z) - Intrinsic-Extrinsic Coupling in Learning Dynamics [0.0]
制約付き学習状態介入の継続条件値を用いて本質的・外生的結合を定式化する。
我々は,地域の許容度,継続条件付き介入値,完全政治性能を区別する。
論文 参考訳（メタデータ） (2026-09-24T17:30:22Z) - On-Policy Self-Distillation in Diffusion Models [89.32656931795293]
強化学習は、拡散モデルと人間の好みやタスク固有の目的とを一致させることができるが、エンドポイント報酬は、中間的偏見予測をどのように変更すべきかを規定していない。
そこで我々は、DiffusionOPSDを、画像レベルの報酬誘導を明示的なターゲットに変換して、サンプルクエリにおけるクリーンな出力予測を行うオンライン自己蒸留フレームワークとして導入する。
SD 3.5-Mとステップ蒸留したZ-Image-Turboを用いて、2つのバックボーンと10個の評価器で20の報酬マッチング設定のうち19のファイナルホールトアウトスコアを達成した。
論文 参考訳（メタデータ） (2026-08-25T14:55:24Z) - DACRI: Decision-Aware Causal Intervention Ranking for Critical Supply Chains [7.300943403522602]
提案するCriticalSCM-Bench v1は,因果的真理と実/実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実
フル情報トレイン選択静的ベンチマークとは対照的に、LambdaMARTは中央値の正規化を5.7-16.2%改善している。
デジタルインフラストラクチャーでは、ドメインインフォームド定数バッファポリシーが引き続き強く、モデル複雑性が一様に正当化されないことを示す。
論文 参考訳（メタデータ） (2026-08-11T17:12:08Z) - Suppression Sticks, Locality Is Fragile: A Closed-Loop Target-and-Control Audit of Task-Vector Negation in VLA Policies [33.432377306905735]
タスクベクトル算術は、モデルを修正するためのクローズドフォームな方法を提供するが、クローズドループロボット制御において、その振る舞いの局所性は未だ不明である。
マルチタスク・ビジョン・ランゲージ・アクション(VLA: Multitask Vision-Language-action)ポリシーから,タスク・ベクターごとのタスク・ベクター・サブトラクションのターゲット・アンド・コントロール・監査を行う。
論文 参考訳（メタデータ） (2026-08-05T10:59:53Z) - PIVOT: Bridging Planning and Execution in LLM Agents via Trajectory Refinement [22.285969725581044]
大規模言語モデル(LLM)ベースのエージェントは、実行時に失敗するように見える一貫性のある計画を生成する。
PIVOTは、トラジェクトリを最適化可能なオブジェクトとして、環境相互作用を通じて反復的に洗練する自己管理フレームワークを通じて、この計画実行ミスアライメントに対処する。
論文 参考訳（メタデータ） (2026-05-11T20:43:20Z) - CCTU: A Benchmark for Tool Use under Complex Constraints [66.87622847854337]
複雑な制約下での大規模言語モデル(LLM)を評価するためのベンチマークであるCCTUを紹介する。
ベンチマークは、さまざまなツール使用シナリオに対して、慎重にキュレートされ、挑戦的なテストケースが200から成っている。
ステップレベルの検証を行い、コンプライアンスを強制する実行可能な制約検証モジュールを開発する。
論文 参考訳（メタデータ） (2026-03-16T14:05:13Z) - Eigen-1: Adaptive Multi-Agent Refinement with Monitor-Based RAG for Scientific Reasoning [53.45095336430027]
暗黙的な検索と構造化された協調を組み合わせた統合フレームワークを開発する。
Humanity's Last Exam (HLE) Bio/Chem Goldでは,48.3%の精度を実現している。
SuperGPQAとTRQAの結果はドメイン間の堅牢性を確認した。
論文 参考訳（メタデータ） (2025-09-25T14:05:55Z) - Composable Score-based Graph Diffusion Model for Multi-Conditional Molecular Generation [85.58520120011269]
本研究では,具体的スコアを用いてスコアマッチングを離散グラフに拡張するComposable Score-based Graph Diffusion Model (CSGD)を提案する。
CSGDは従来の手法よりも平均15.3%の制御性向上を実現していることを示す。
本研究は, 離散グラフ生成におけるスコアベースモデリングの実用的利点と, フレキシブルでマルチプロパタイトな分子設計のためのキャパシティを強調した。
論文 参考訳（メタデータ） (2025-09-11T13:37:56Z) - A Multi-Dimensional Constraint Framework for Evaluating and Improving Instruction Following in Large Language Models [48.361839372110246]
本研究では,制約拡張,競合検出,命令書き換えを行う自動命令生成パイプラインを開発する。
我々は、19の大規模言語モデルを評価し、制約形式間の性能のかなりの変動を明らかにする。
詳細な分析では、これらの利得は主にモデルのアテンションモジュールパラメータの変更に起因していることを示している。
論文 参考訳（メタデータ） (2025-05-12T14:16:55Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。