Elite-Weighted Supervised Fine-tuning

新的EW-SFT方法增强了各种AI模型的分子优化能力

研究人员开发了一种名为Elite-Weighted Supervised Fine-tuning (EW-SFT) 的新方法，用于目标导向的分子优化。该技术通过使用奖励信号选择得分高的分子，并用其在选定集上的原生预训练损失来更新模型，从而解决了传统强化学习方法的局限性。EW-SFT设计通用性强，可应用于各种分子生成器架构和设计任务，无需复杂的轨迹对数概率。实验表明，EW-SFT在固定预算下始终优于原生优化器，并在样本效率基准测试中提高了效率。