PulseAugur
中
实时 10:09:31
English(EN) ToolMol: Evolutionary Agentic Framework for Multi-objective Drug Discovery

新框架利用大型语言模型和进化算法生成AI智能体

作者 PulseAugur 编辑部 · [4 个来源] ·

研究人员开发了使用进化算法和大型语言模型（LLMs）生成和优化多智能体系统（MAS）的新型框架。例如，EvoMAS在配置空间中采用进化生成来创建用于复杂推理和软件工程任务的MAS，其性能优于人类设计的系统和先前自动生成的方法。EvoSci将受生物启发的进化与知识图谱相结合，用于科学发现，使用基于角色的智能体来增强想法生成和同行评审。ToolMol将类似的进化智能体框架应用于药物发现，优化分子特性，并在结合亲和力和自由能得分方面取得了最先进的结果。 AI

影响 这些框架展示了在复杂推理、科学发现和药物设计方面的先进能力，有可能加速专业AI应用的进展。

排序理由 多篇arXiv论文介绍了使用大型语言模型和进化算法生成和优化AI智能体系统的新型研究框架。

在 arXiv cs.NE (Neural & Evolutionary) 阅读 →

AI 生成摘要 · Google Gemini · 来自 4 个来源。 我们如何撰写摘要 →

新框架利用大型语言模型和进化算法生成AI智能体

报道来源 [4]

  1. arXiv cs.LG TIER_1 English(EN) · Yuntong Hu, Yuting Zhang, Matthew Trager, Yi Zhang, Shuo Yang, Wei Xia, Stefano Soatto ·

    EvoMAS: 进化多智能体系统生成

    arXiv:2602.06511v4 Announce Type: replace Abstract: Large language model (LLM)-based multi-agent systems (MAS) show strong promise for complex reasoning, planning, and tool-augmented tasks, but designing effective MAS architectures remains labor-intensive, brittle, and hard to ge…

  2. arXiv cs.AI TIER_1 English(EN) · Xiaoyu Xiong, Yuqi Ren, Deyi Xiong ·

    EvoSci：一种受生物启发的、用于科学发现进化的多智能体框架

    arXiv:2605.24018v1 Announce Type: new Abstract: Large language models (LLMs), have shown strong potential in scientific discovery, yet existing methods still face substantial challenges in the design of research workflows and multi-role collaboration mechanisms. To mitigate these…

  3. arXiv cs.MA (Multiagent) TIER_1 English(EN) · Deyi Xiong ·

    EvoSci：一种受生物启发的、用于科学发现进化的多智能体框架

    Large language models (LLMs), have shown strong potential in scientific discovery, yet existing methods still face substantial challenges in the design of research workflows and multi-role collaboration mechanisms. To mitigate these issues, we propose EvoSci, a multi-agent scient…

  4. arXiv cs.NE (Neural & Evolutionary) TIER_1 English(EN) · Rose Yu ·

    ToolMol：用于多目标药物发现的进化智能体框架

    Advances in large language models (LLMs) have recently opened new and promising avenues for small-molecule drug discovery. Yet existing LLM-based approaches for molecular generation often suffer from high rates of invalid and low-quality ligand candidates, a result of the syntact…

相关实体

相关话题