MARD：用于机制级药物-药物相互作用预测的镜像增强推理 蒸馏

机制水平的药物相互作用 (DDI) 预测需要确定涉及哪种酶或药效轴、方向以及证据，而不仅仅是两种药物是否相互作用。我们引入了一种可重复的机制级 DDI 标记和评估协议，具有结构化的 7 个家族/147 个亚型分类法、防泄漏冷分流协议以及可审核的推理指标，用于评估平面相互作用分类之外的药理学预测。我们提出了一个生成 7B 推理 MARD（镜像增强推理 蒸馏）的管道，结合了三种训练创新：将模型预测联系起来的单标记 KL 方向标签散度、具有程序化硬负例的每损失 PRM 加权 DPO 以及泄漏安全机制感知检索通道。过程奖励步骤标签可根据 DrugBank 结构的字段自动验证，无需人工或 LLM 法官。在 2026 年 4 月 DrugBank 发布的版本中，我们的 MARD-7B 是 32 个系统比较中唯一一个其准确性超越药物对新颖性的系统，比最佳基线高 13.9 个百分点，比 GPT-4o 高 6.7 个百分点，而前沿 API 成本约为 1%。进一步的分析揭示了一种反记忆特征，即罕见药物的准确性提高，这表明这种增益来自结构化药理学推理，而不是药物频率记忆。我们发布语料库、DDI-PRM、检索索引和训练代码。