Mozi: Governed Autonomy for Drug Discovery LLM Agents

本文提出了名为 Mozi 的双层架构，通过结合受控的监管层与标准化的工作流层，在保障药物发现长周期任务可追溯性与科学有效性的同时，将大语言模型从易出错的对话助手转化为可靠的受治理科研伙伴。

要点

这篇论文介绍了一个名为 Mozi（墨子） 的新系统，它的核心任务是用人工智能（AI）来辅助科学家发现新药。

为了让你更容易理解，我们可以把“发现新药”想象成在茫茫大海中寻找并建造一艘完美的“救命船”。

1. 以前的痛点：一个“才华横溢但容易闯祸”的实习生

在 Mozi 出现之前，科学家尝试用普通的 AI 助手（大语言模型）来做这件事。

• 比喻：想象你雇佣了一个才华横溢但有点“飘”的实习生。他读过很多书，知道很多化学知识，也能帮你查资料。
• 问题：
  • 爱做梦（幻觉）：他可能会自信地告诉你：“我找到了一种完美的分子结构！”但实际上那个结构在化学上根本不存在，或者根本造不出来。
  • 记性差（长程不可靠）：新药研发是一个漫长的过程（从找目标 -> 筛选 -> 优化，像接力赛）。实习生跑完第一棒（找目标）时可能出了个小错，但他自己没发现，导致第二棒、第三棒全跑偏了，最后造出一艘根本不能下水的船。
  • 乱用工具：他可能会在没有权限的情况下，擅自启动昂贵的超级计算机模拟，或者把重要的实验数据搞乱。

2. Mozi 的解决方案：一个“双层管家系统”

Mozi 的设计者不想让 AI 完全“自由发挥”，而是给它套上了一套严格的“双层管理架构”。你可以把它想象成一个**“总指挥 + 专业施工队”**的组合。

第一层：总指挥（控制平面 Layer A）—— 戴着“紧箍咒”的指挥官

这一层负责管人、管规矩。

• 角色：它像一个严格的项目经理。
• 功能：
  • 分派任务：它不会让实习生直接去“造原子”，而是先拆解任务：“先去查文献，再去查数据库，最后再算数据”。
  • 权限控制：它手里有一张“通行证”。如果实习生想调用昂贵的模拟工具，总指挥会检查：“你现在的任务需要这个吗？你有权限吗？”如果没有，直接拒绝，防止乱花钱或搞破坏。
  • 随时纠错：如果实习生走错了路，总指挥会立刻喊停：“等等，刚才那个数据不对，我们重新规划一下路线。”

第二层：专业施工队（工作流平面 Layer B）—— 按图纸施工的工匠

这一层负责干具体的活，而且必须按图纸（流程图）来。

• 角色：它像一个经验丰富的老工匠团队，手里拿着标准化的“施工图纸”（技能图谱）。
• 功能：
  • 标准化流程：新药研发有固定的步骤（比如：先找靶点 -> 再找分子 -> 再优化）。Mozi 把这些步骤做成了自动化的流水线。
  • 数据质检：在每一步之间，都有“质检员”。比如，从“找靶点”转到“筛选分子”时，质检员会检查：“你给的蛋白质结构文件是完整的吗？格式对吗？”如果不对，直接退回重做，绝不让错误流向下一环节。
  • 人类专家介入（HITL）：在关键决策点（比如决定用哪个蛋白质结构），系统会暂停，把方案拿给人类科学家看：“老板，您觉得选这个结构行吗？”得到确认后才继续。这就像在造船的关键节点，必须由总工程师签字才能开工。

3. 它是如何工作的？（一个生动的例子）

假设我们要治疗帕金森病：

1. 接任务：Mozi 收到指令：“帮我找治疗帕金森的新药”。
2. 总指挥（Layer A）介入：它分析任务，决定启动“帕金森病研发流水线”。它告诉施工队：“第一步，找目标蛋白。”
3. 施工队（Layer B）执行：
   • 它自动去查数据库，找到了一个叫 LRRK2 的蛋白。
   • 人类介入：系统暂停，问科学家：“我们要用 LRRK2 的哪个结构版本？”科学家确认后，继续。
4. 筛选分子：
   • 系统自动在几百万个化学分子里筛选，或者用 AI“画”出新的分子。
   • 自动纠错：如果某个分子在模拟中“爆炸”了（计算失败），系统不会崩溃，而是自动把这个分子标记为“失败”，跳过它，继续处理下一个，保证流水线不停转。
5. 优化与过滤：
   • 系统发现筛选出的分子虽然有效，但对心脏有毒（hERG 毒性）。
   • 智能调整：Mozi 不会硬着头皮继续，而是启动“优化模式”，像炼金术士一样，专门修改分子结构，把“有毒”的部分去掉，同时保留“治病”的功能。
6. 最终产出：经过几轮“筛选 - 修改 - 再筛选”，Mozi 最终拿出一个既有效、又安全、还容易生产的分子候选者，并生成一份详细的报告。

4. 为什么 Mozi 很厉害？

• 不再“瞎编”：通过严格的流程控制，它大大减少了 AI 胡编乱造数据的概率。
• 像人一样思考，像机器一样执行：它保留了 AI 的灵活性（能理解复杂的科学问题），但用工程化的手段（流程图、权限控制）保证了结果的可靠性。
• 人机协作：它不是要取代科学家，而是把科学家从繁琐的重复劳动中解放出来，让科学家专注于做关键决策（比如确认方向、审核结果）。

总结

Mozi 就像是一个给 AI 科学家配发的“智能外骨骼”和“安全锁”。

以前的 AI 像是一个狂野的艺术家，画出来的东西可能很美，但没法造出来；
Mozi 把这位艺术家变成了一个严谨的工程师，它依然有创造力，但每一步都经过严格检查，确保造出来的“救命船”真的能在大海里航行。

这项技术有望大大缩短新药研发的时间（从 10 年缩短），并降低数亿美元的成本，让新药更快地来到患者手中。

技术摘要

Mozi：面向药物发现的受控自主 LLM 智能体架构技术总结

1. 研究背景与问题定义 (Problem)

药物发现是一个高成本、长周期且高度依赖多学科知识的复杂过程。尽管大型语言模型（LLM）在科学推理和工具调用方面展现出潜力，但将其直接应用于药物发现等高风险领域面临两大核心瓶颈：

1. 不受约束的工具使用治理 (Unconstrained Tool-Use Governance)：通用 LLM 智能体容易产生“工具幻觉”（Hallucinations），即调用不存在的工具或生成无效参数。在严格的科学工作流中，这种概率性的不稳定性会导致执行崩溃或产生不可复现的结果。
2. 长程可靠性差 (Poor Long-Horizon Reliability)：药物发现流程（从靶点识别到先导化合物优化）具有深度的因果依赖关系。早期阶段的微小错误（如错误的靶点选择）会在后续步骤中呈指数级放大，导致整个计算流程失效。现有的多智能体框架往往缺乏对状态依赖和错误传播的有效控制。

核心挑战：如何在保留 LLM 自由推理灵活性的同时，引入计算生物学所需的确定性严谨性，构建一个既安全又高效的受控自主（Governed Autonomy）系统。

2. 方法论：Mozi 双层架构 (Methodology)

Mozi 提出了一种双层架构（Dual-Layer Architecture），旨在将生成式 AI 的灵活性与计算生物学的确定性相结合。该架构通过模型上下文协议（MCP）连接，分为两个共生层：

2.1 控制层 (Layer A: Control Plane) - 治理与编排引擎

这一层负责处理非结构化的推理上下文，充当“管理者”角色，确保智能体行为符合规范。

• 监督者 - 工作者层级 (Supervisor-Worker Hierarchy)：
  • 监督者 (Supervisor)：作为中央规划器，将用户意图分解为最小必要步骤。它不直接执行工具，而是通过“反思机制”（Reflection）评估每一步的完成情况。如果步骤失败或信息不足，监督者会触发动态重规划（Replanning），而非盲目继续。
  • 工作者 (Workers)：包括研究工作者（Research Worker）和计算工作者（Computation Worker）。每个工作者拥有独立的上下文窗口和系统提示词。
• 基于角色的工具隔离 (Role-Based Tool Isolation)：
  • 实施硬编码工具过滤 (Hard-Coded Tool Filtering)。例如，研究工作者只能访问检索类工具，严禁访问高成本的分子对接集群；计算工作者则被限制在特定的计算任务中。
  • 通过“严格模式”和“宽松模式”切换，在生产环境中物理限制工具访问权限，防止越权操作。
• 可审计轨迹：记录所有决策路径，确保每一步操作都可追溯且符合组织策略。

2.2 工作流层 (Layer B: Workflow Plane) - 状态化技能图

这一层将抽象的科学协议转化为可执行的、有状态的“技能图”（Skill Graphs），负责管理科学 artifacts（如 PDB 文件、SMILES 字符串）。

• 可组合的状态化技能图 (Composable Stateful Skill Graphs)：
  • 利用 LangGraph 将药物发现的标准流程（靶点识别、苗头化合物发现、苗头转先导、先导优化）编码为有向无环图（DAG）。
  • 状态契约 (State Contracts)：节点间强制执行严格的数据格式转换和验证（如确保 PDB 文件无缺失侧链），防止“垃圾进，垃圾出”。
• 核心技能模块：
  • 靶点识别 (TI)：自动化从疾病名称到 PDB 结构的映射，包括实体归一化和结构准备。
  • 苗头识别 (HI)：采用并行双流策略。路径 A 使用基于口袋的生成模型（如 DiffSBDD）进行从头设计；路径 B 使用深度学习模型进行高通量虚拟筛选（HTVS）。结果融合去重后输出。
  • 苗头转先导 (H2L)：通过 R 基团探索和骨架跃迁扩展化学空间，并执行两级过滤（PAINS/REOS 过滤 + ADMET 预测）。
  • 先导优化 (LO)：基于强化学习（如 REINVENT4）的多目标优化循环，平衡亲和力、类药性（QED）和合成可及性（SAS）。
• 人机回环 (HITL) 检查点：在关键决策边界（如靶点确认、结构选择、最终候选列表生成前）暂停执行，允许人类专家介入验证、修正参数或回滚状态，确保科学有效性。

2.3 数据编织与工具联邦

• 混合状态管理：区分推理上下文（Context State）和实际文件/数据对象（Artifact State），并实施溯源追踪 (Provenance Tracking)，记录每个文件的生成来源。
• MCP 平台：作为统一接口层，抽象了异构的生物医学工具（从本地脚本到云端 API），实现了工具的模块化集成和统一调用。

3. 关键贡献 (Key Contributions)

1. 受控自主架构 (Governed Autonomy)：首次提出将 LLM 的推理灵活性限制在严格的治理框架内，通过“自由推理用于安全任务，结构化执行用于长程流程”的设计原则，解决了科学智能体的幻觉和不可复现问题。
2. 双层解耦设计：明确分离了“逻辑编排”（Layer A）与“科学执行”（Layer B），使得系统既能处理复杂的科学工作流，又能保持对错误和状态的严格控制。
3. 状态化技能图与 HITL 集成：将药物发现流程编码为有状态图，并嵌入专家干预检查点，显著降低了长程任务中的错误传播风险。
4. PharmaBench 基准测试：构建了一个包含 88 个任务（涵盖 TDC 和 HLE 数据集）的基准测试，专门评估药物发现智能体在工具调用、科学推理和长程规划方面的能力。

4. 实验结果 (Results)

4.1 PharmaBench 基准测试

• 分类与 MCQ 任务：Mozi (基于 Qwen3-235B) 在分类任务中达到 33/54 的准确率，显著优于基线模型 Biomni (20/54)。
• 回归任务 (SMAPE)：Mozi 在 8 个回归任务上的对称平均绝对百分比误差为 1.169，优于 Biomni 的 1.599，显示出更精准的工具参数处理能力。
• HLE 药物发现子集 (28 个任务)：Mozi (Qwen3-235B) 的精确匹配准确率为 17.86% (5/28)，优于大多数开源模型基线，且在使用 Deepseek-V3.2 时达到 21.42% (6/28)。这表明 Mozi 在长程科学推理和实验设计知识方面具有优势。

4.2 长程案例研究 (Case Studies)

Mozi 在克罗恩病、帕金森病和败血症三个复杂病例中展示了端到端执行能力：

• 动态适应性：系统能根据任务需求自动切换策略（如帕金森病案例中切换为高通量筛选，克罗恩病案例中使用生成式设计）。
• 错误容错：在败血症案例中，AutoDock Vina 的局部计算崩溃被技能图逻辑捕获并处理，未导致整个工作流中断。
• 多目标优化：在帕金森病案例中，系统识别出早期候选分子的 hERG 毒性风险，并自主通过强化学习导航至更安全的化学空间，最终生成具有优异血脑屏障渗透性和安全性的新分子。
• 对比优势：与 Biomni、K-Dense 等现有平台相比，Mozi 生成的分子在结合亲和力（ipTM 分数）和物理化学约束（如分子量、类药性）上表现更佳，且避免了现有平台常见的“重新发明轮子”或工具调用失败问题。

5. 意义与展望 (Significance)

• 从“聊天机器人”到“受控合作科学家”：Mozi 证明了 LLM 智能体可以通过严格的治理机制，从脆弱的对话工具转变为可靠的、可审计的科研合作伙伴。
• 解决行业痛点：通过引入 HITL 检查点和状态化工作流，Mozi 解决了药物发现中数据碎片化、工作流断裂和人工认知局限的问题，为自动化药物研发提供了新的范式。
• 可复现性与安全性：通过溯源追踪和严格的工具隔离，Mozi 满足了制药行业对可审计性和合规性的高要求，为未来在监管环境下的部署奠定了基础。
• 未来方向：研究团队计划进一步引入不确定性量化（UQ）、自动技能归纳以及更严格的沙箱机制，以提升系统在湿实验合成前的决策可靠性。

总结：Mozi 通过创新的双层架构，成功平衡了 AI 的灵活性与科学严谨性，为构建下一代可信赖的自动化药物发现系统提供了重要的技术蓝图。