知识卡片：MFG——多轮反馈引导的分子优化

一句话结论

MFG 是一个基于强化学习的框架，通过训练 LLM 利用前几轮的反馈向量逐步优化分子，在十个多目标分子优化任务上，将相似度约束下的平均成功率从基线的 70.81% 提升至 81.50%。

事件概述或研究问题

• 多目标分子优化是药物发现中的关键环节：在保持分子整体结构相似的前提下，同时改善多个性质。
• 这一过程通常需要基于计算或实验反馈进行迭代修改。
• 现有基于 LLM 的方法虽已开始探索迭代式优化，但并未被显式训练去利用反馈，且主要聚焦于单轮分子优化。
• 本文提出的研究问题是：如何让 LLM 在多轮优化中真正“学会”使用历史反馈，从而逐步改进分子？

方法/产品要点

• 提出 Multi-turn Feedback Guided (MFG) 分子优化框架，属于强化学习（RL）框架，训练 LLM 使用前几轮反馈逐步优化分子。
• 核心设计之一是 feedback vector（反馈向量）：同时捕捉性质改进（property improvements）与源分子相似度（source molecule similarity）。
• 另一核心设计是 feedback-aligned reward function（反馈对齐奖励函数）：鼓励跨轮次的渐进式改进。
• 将 MFG 应用于 GeLLM³O（一个多目标分子优化的 SOTA LLM 模型），得到 GeLLM³O-MFG。
• 评估覆盖 十个多目标分子优化任务。

主要结果或产业意义

• GeLLM³O-MFG 取得最高的平均相似度约束成功率（similarity-constrained success rate）81.50%。
• 相比基座模型 GeLLM³O 的 70.81% 有明显提升。
• 产业意义（据摘要推断）：为药物发现中“保持骨架相似、同时改善多性质”的迭代优化提供了一种可训练的 LLM+RL 范式。具体产业落地程度待核实。

为什么重要

• 把“多轮反馈”从提示层面的使用，推进到通过 RL 显式训练模型利用反馈，弥补了现有 LLM 方法未被显式训练利用反馈的缺口。
• 明确区分单轮与多轮优化，指向一个此前较少被系统处理的方向。
• 反馈向量同时纳入“改进”与“相似度”两类信号，契合分子优化中“改性质但不能改太多结构”的实际约束。
• 与既有卡片的关系：本卡片关注的“多轮反馈引导优化”与《多意图多轮时尚图像检索》同属“多轮交互中利用历史信息”的脉络，但对象从图像检索换为分子优化；与《OptiAgent》同属“LLM 驱动的自动化优化”，但 MFG 的增量在于用强化学习显式训练模型消费多轮反馈，而非多智能体精化。

局限与不确定性

• 摘要未披露反馈向量的具体构造细节、奖励函数形式、训练数据规模与训练成本，待核实。
• “计算或实验反馈”中是否包含真实实验反馈，还是仅计算反馈，待核实。
• 十个任务的具体构成、性质指标、对比基线范围，待核实。
• 结果仅在相似度约束成功率这一指标上给出对比，其他指标表现待核实。
• 是否开源代码/模型权重，待核实。

可用于图书/PPT/简报的角度

• “让模型学会用反馈，而不只是被喂反馈”：从提示工程到 RL 训练的范式转变。
• 多目标优化中的“改性质 vs 保结构”张力：用反馈向量把两类信号显式编码。
• LLM+RL 在科学发现中的应用：以分子优化为案例，讨论可迁移性。
• 多轮 vs 单轮：为什么迭代式优化需要专门的训练目标（feedback-aligned reward）。
• 基线对照叙事：70.81% → 81.50% 的提升幅度与评测设定。

原始材料

• Title: MFG: Multi-turn Feedback Guided Molecular Optimization
• arXiv ID: 2610.18851v1
• Authors: Trieu Nguyen, Frazier N. Baker, Ruoxi Gao, Daniel Adu-Ampratwum, Xia Ning
• Published: 2026-10-13T17:58:41Z
• Primary category: cs.AI；Categories: cs.AI, cs.LG, q-bio.QM
• Abstract URL: https://arxiv.org/abs/2610.18851v1
• PDF URL: https://arxiv.org/pdf/2610.18851v1