具有学习前沿选择的代理逆生物合成框架

大语言模型 越来越多地用作多步逆合成的代理，这提出了一个问题：它们的搜索策略独立于底层反应模型的贡献有多大。我们通过基于规则的逆转录生物合成在生物环境中研究这个问题：确定性生化引擎为每种方法生成相同的经过验证的转换，搜索终止于可用于大肠杆菌底盘的代谢物的路线，而策略仅选择接下来要扩展的前沿分子。提示和 LoRA 调整的 Qwen2.5-7B 策略使用严格的仅选择界面。经过微调的策略在 LASER 上扩展 10 次时，解决率达到 $65\pm1$\%，而 MCTS 为 59\%；扩展 200 次时，解决率达到 $78\pm1$\%，而在 LASER 上为 75\%；在 RetroPath RL Golden 基准上，解决率达到 $88\pm3$\%；在 BioNavi-NP 基准上，解决率为 80\%；在 BioNavi-NP 基准上，解决率达到 $63\pm2$\% ，而在 BioNavi-NP 基准上，解决率达到 $63\pm2$\% 。 微调 的表现也始终优于直接提示。这些结果表明，路线监督的前沿选择可以在不改变生化生成的情况下改进预算搜索，尽管性能仍然取决于前沿构建和反应排名。