基于强化学习对齐的可控多目标分子优化 C-MORAL
机器学习
2026-05-28 v2 人工智能
摘要
大型语言模型 (LLM) 在分子优化方面显示出前景，但将其与选择性和竞争性药物设计约束对齐仍具有挑战性。我们提出 C-MORAL，一个基于强化学习的后训练框架，用于可控的多目标分子优化。C-MORAL 结合基于组的相对优化、针对异构目标的属性得分对齐以及受瓶颈敏感的非线性奖励聚合，以提高跨竞争分子属性的稳定性。在 C-MuMOInstruct 和 S-Bench MolOpt 上的实验表明，C-MORAL 在两个基准测试中均取得最佳性能。在 C-MuMOInstruct 上，C-MORAL 在领域内任务上实现了最佳成功优化率 (SOR) 为 48.9%，在领域外任务上为 39.5%，同时保持了骨架相似性。在 S-Bench MolOpt 上，还在 LogP、MR 和 QED 优化任务中取得了最强结果。这些结果表明，C-MORAL 是一种有效的方法，用于将分子 LLM 与连续且受约束的分子设计目标对齐。我们的代码和模型已公开发布于 https://github.com/Rwigie/C-MORAL。
引用
@article{arxiv.2604.23061,
title = {C-MORAL: Controllable Multi-Objective Molecular Optimization with Reinforcement Alignment for LLMs},
author = {Rui Gao and Youngseung Jeon and Swastik Roy and Morteza Ziyadi and Xiang 'Anthony' Chen},
journal= {arXiv preprint arXiv:2604.23061},
year = {2026}
}
备注
26 pages, 7 figures