כתבה
arXiv cs.CL ·
MARCO: אופטימיזציה תנדבית למולקולות
MARCO: Multi-Round Agentic Reinforcement for Conditional Molecular Optimization
MARCO הוא כלי לאופטימיזציה תנדבית למולקולות. הוא משתמש בשיטת למידת חיזוק כדי לשפר את התכונות של מולקולות. MARCO נבדק על בסיס הנתונים MuMOInstruct והשיג תוצאות טובות.
תקציר מקורי באנגליתarXiv:2609.36683v1 Announce Type: cross Abstract: Molecular optimization is inherently iterative: a candidate is proposed, evaluated against several objectives, and revised while preserving a relationship to the source molecule. Most instruction-following models instead emit one edited molecule, forcing validity, property improvement, and similarity control into a single response. We introduce MARCO, an evaluator-grounded reinforcement-learning framework that trains molecular editors on bounded proposal--feedback--revision trajectories. MARCO aggregates shaped turn rewards into an undiscounted trajectory return for group-relative policy optimization. We evaluate two consequences of this training: Same-1 tests the trained policy under a one-response budget, while Same-5 tests whether the sa
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית