Mol-Debate：多智能体辩论提升分子设计中的结构推理
人工智能
2026-04-23 v1 机器学习
摘要
文本引导的分子设计是 AI 驱动药物发现的关键能力，但面对严格化学约束下的非线性分子结构，将顺序自然语言指令映射至实际仍具挑战。大多数现有方法包括 RAG、CoT 提示和微调或 RL，强调小集合 ad-hoc 推理视角在单次生成管道中的实现。相反，现实药物发现依赖于动态、多视角的批判性思考与迭代细化，以实现语义意图与结构可行性的协调。为此，我们提出 Mol-Debate，一种通过迭代生成-辩论-细化循环实现动态推理的生成范式。我们进一步刻画了此范式中的关键挑战，并通过视角导向编排予以解决，包括开发者-辩论者冲突、全局-局部结构推理以及静态-动态集成。实验表明，Mol-Debate 在强大常规和化学基准上实现了最先进性能，在 ChEBI-20 上达到 59.82% 精确匹配率，在 -Bench 上达到 50.52% 加权成功率。我们的代码已公开于 https://github.com/wyuzh/Mol-Debate.
关键词
引用
@article{arxiv.2604.20254,
title = {Mol-Debate: Multi-Agent Debate Improves Structural Reasoning in Molecular Design},
author = {Wengyu Zhang and Xiao-Yong Wei and Qing Li},
journal= {arXiv preprint arXiv:2604.20254},
year = {2026}
}