大型语言模型在分子生成中的创造力有多大？
计算与语言
2026-04-21 v1 机器学习
生物大分子
摘要
分子生成需要满足多种化学和生物学约束，同时搜索大且结构化的化学空间。这使得它是一个非二元问题，有效的模型必须在保持探索以逃离局部最优值的同时，识别受约束下的非显而易见的解决方案。从这个角度看，创造力是分子生成中的一种功能性要求，而非审美概念。大型语言模型（LLM）可以直接从自然语言提示生成分子表示，但究竟展现出何种类型的创造力尚不明确，以及如何进行评估。本文通过在物理化学、ADMET 和生物活性任务上进行系统经验评估，研究了 LLM 在分子生成中的创造行为。我们在两个互补维度上描述创造力：收敛型创造力和发散型创造力，并分析了不同因素如何塑造这些行为。我们的结果表明，LLM 在分子生成中展现出不同的创造行为模式，例如在施加额外约束后，约束满足度会增加。总体而言，本文是首次将分子生成所需的能力重新定义为创造力，为 LLM 基于分子生成的创造力提供了系统性理解，并阐明了在分子发现管道中正确使用 LLM 的方式。
引用
@article{arxiv.2604.18031,
title = {How Creative Are Large Language Models in Generating Molecules?},
author = {Wen Tao and Yiwei Wang and Peng Zhou and Bryan Hooi and Wanlong Fang and Tianle Zhang and Xiao Luo and Yuansheng Liu and Alvin Chan},
journal= {arXiv preprint arXiv:2604.18031},
year = {2026}
}