PulseAugur
实时 09:51:32
English(EN) MARD: Mirror-Augmented Reasoning Distillation for Mechanism-Level Drug-Drug Interaction Prediction

新型MARD模型推动药物-药物相互作用预测进展

研究人员开发了MARD(镜像增强推理蒸馏),一种用于预测机制层面药物-药物相互作用(DDIs)的新型系统。MARD利用一个7B参数模型,并包含三项关键的训练创新:用于方向标签的单Token KL散度、带有程序化硬负例的DPO以及防泄露检索通道。该方法实现了可审计的推理指标,在预测新药物对的准确性方面超越了包括GPT-4o在内的现有方法,同时成本仅为其一小部分。 AI

影响 提高了药物-药物相互作用预测的准确性和效率,可能改善制药研发。

排序理由 该集群描述了一篇详细介绍用于特定科学任务的新模型的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Mohammadreza Riyazat, Vian Lelo, Rameen Jafri, Yumna Khan, Abeer Badawi ·

    MARD: Mirror-Augmented Reasoning Distillation for Mechanism-Level Drug-Drug Interaction Prediction

    arXiv:2606.12578v1 Announce Type: new Abstract: Mechanism-level drug-drug interaction (DDI) prediction requires identifying which enzyme or pharmacodynamic axis is implicated, in which direction, and with which evidence -- not merely whether two drugs interact. We introduce a rep…