MolRSI 把科研工作流本身当作搜索对象:抗菌筛选湿实验命中率 15.9%,对照专家流程 8.7%
机器之心报道的 MolRSI 用经验引导的树搜索自动组合分子筛选与蛋白设计流程,抗菌湿实验命中率自报 15.9%,对照专家非智能体流程 8.7%;pMHC 结合蛋白特异性命中 8 比 0。
发生了什么
据机器之心 2026 年 11 月 14 日报道(原文标注论文为 MoLRSI: A Recursive Self-Improving AI agent for Molecular Discovery,并给出 arXiv 编号与项目页面),研究团队把分子发现中的流程设计本身变成搜索对象。MolRSI 先从论文与代码中整理方法、转成可执行技能,再用经验引导的蒙特卡洛树搜索组合、测试和修改工作流:每套候选流程是一个节点,对它的改动形成分支;方案记忆、改进记忆和执行记忆分别保存流程表现、修改效果和运行经验,内循环优化当前任务,外循环把经验带进后续任务。报道称,先在 25 个分子性质预测与细胞毒性任务上积累经验,再放到 6 个未进入经验池的抗菌预测任务上,6 项任务平均测试 AUPRC 均提高;把来源任务池从 2 个扩到 25 个,回顾性分析中可迁移流程的平均测试 AUPRC 从约 0.32 升至约 0.37,超过无先前经验系统搜索 20 轮后的 0.361。抗菌任务上,最终流程先做结构新颖性过滤,再预测三类人体细胞毒性,用两种 MiniMol 方案与 LANTERN–RADR 集成按 55%、30%、15% 加权排序,最后按结构聚类抽样保留多样性,从约 1210 万个化合物中选 107 个做实验,按 MSSA MIC 不高于 32 μg/mL 计命中 17 个;人类专家设计的非智能体流程在相同训练数据和筛选库下测 241 个命中 21 个,命中率 8.7% 对 15.9%。蛋白设计侧,MolRSI 先固定一套评价流程(ESMFold2-Fast 结构预测加八项等权评分,并以目标与非目标配对比较落实选择性),再用它搜索生成方案,两轮噬菌体展示后在 MART-1 与 SARS-CoV-1 两个靶标上共获得 8 个满足特异性判据的命中,报道称同条件对照 Claude Science 为 0;去掉排序环节后 479 个可评估设计无一命中。
对开发者的影响
对做智能体工作流的开发者,这篇报道值得看的地方不是某个分数,而是它把“流程”当成可搜索对象,并且把跨任务经验显式存下来复用。这直接影响三类工程决策。第一是记忆的边界:报道中的增益几乎都来自跨任务经验继承,而无经验组仍保留当前任务内的记忆更新,说明收益集中在“从一个任务迁移到另一个任务”这一段。若你的智能体每类任务只有一两次调用,经验库根本来不及积累,那套树搜索的额外开销很难回收;只有当同一领域反复出现结构相似的任务时,方案记忆与修复记忆才有意义。第二是评价器先行:pMHC 部分先固定评分流程再优化生成,去掉排序环节后命中归零,这是报道中最强的消融信号,提示生成环节的上限常被“判断哪些候选值得送实验”这一段卡住,排序器与门槛设计需要单独评估,而不能用最终命中率一个数概括。第三是口径分层:AUPRC、富集因子、湿实验命中率、特异性判据是四种不同的量,报道自己也区分了“同一测试集上的预测器比较”与“两套流程各自选出的实验候选命中率”,把不同来源的数字放在一列比较会得出错误结论。另外,报道明确承认当前策略改进主要来自计算搜索,湿实验反馈尚未进入循环,这意味着它还不是真正的闭环实验智能体,读者不应据此外推为“AI 自主做实验”。
接入与评估建议
以下是基于报道的条件性建议,不是已验证结论。其一,若你的流程里存在多模型加权集成(如报道中 55/30/15 的三路组合),先用同一留出集做“固定权重 vs 搜索出的权重”对照,评估指标取 AUPRC 与 top-k 富集,条件是留出集与训练集无重叠化合物;只有当搜索出的组合在多个留出折上稳定超过固定权重,才值得把权重纳入搜索空间,否则搜索只会拟合噪声。其二,跨任务经验复用要先设一个“零搜索”基线:把来源任务的最佳配置直接迁移、不做额外搜索,再对比完整树搜索,条件是目标任务与来源任务在数据模态和标签定义上一致;报道中 AUPRC 从约 0.32 到 0.37 的回顾性曲线说明经验池规模会改变结论,所以你应把经验池规模(2 个、10 个、25 个来源任务)作为横轴,观察增益是否在你手头的规模上已经出现,若在 5 个来源任务以内看不到提升,就不必为经验库投入工程成本。其三,涉及选择性任务(目标与非目标仅差少数残基)时,把“目标打分高于非目标”做成硬门槛而非软惩罚,并用配对比较的通过率作为独立指标,条件是存在可靠的非目标集合;报道中去掉排序后命中归零,提示这一步值得单独做消融,而不是与生成模型一起调。其四,接入前先确认你能拿到哪些组件:报道提到 MiniMol、LANTERN–RADR、ESMFold2-Fast、SolubleMPNN 等,各自的许可与可运行性需自行核实,报道未交代这些组件的开放范围。
限制与待确认事项
以上数字均来自机器之心的报道,未经独立复现。MolRSI 是一个研究系统而非公开发布的模型,现有信息未说明权重、代码或 API 是否对外开放,报道只给出论文与项目页面;当前 KimiSeek 线上目录中也没有 MolRSI 或报道提及的上述组件,相关可用性只能以论文作者与项目方声明为准。抗菌命中率来自两套流程各自挑选的实验候选,样本量分别为 107 与 241,单次实验的百分比差异不宜视为稳定效应。跨任务经验的增益部分来自回顾性分析,作者自己也把它定位为回顾性证据。pMHC 的特异性判据是目标富集 log2FC 大于 4 且高于所测非目标最高值,报道明确说定量亲和力与更广泛的交叉反应仍需后续测定;对照 Claude Science 的 0 命中同样是报道口径,其对照组运行细节未在本文中展开。此外,湿实验反馈尚未进入改进循环,这套系统的自我改进目前限于计算搜索层面,不能据此推断它能自主完成实验设计闭环。