🤖 machine learning

DrugSAGE:Self-evolving Agent Experience for Efficient State-of-the-Art Drug Discovery

DrugSAGE 是一个自我演进的智能体框架，它积累并复用跨任务经验（例如经验证的技能、有效策略和错误修复方案），以高效构建最先进的药物发现模型，通过减少或消除在新任务上进行昂贵搜索的需求，显著超越现有智能体。

原作者： Yikun Zhang, Xiwei Cheng, Tianyu Liu, Yuanqi Du, Wengong Jin

发布于 2026-05-18

📖 1 分钟阅读☕ 轻松阅读

原作者： Yikun Zhang, Xiwei Cheng, Tianyu Liu, Yuanqi Du, Wengong Jin

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正在尝试为一个特定且困难的食谱烘焙完美的蛋糕。在药物发现领域，这个“蛋糕”就是一个能够预测新药在人体内行为的计算机模型。

目前，如果科学家想要为一个新食谱（即一种新的药物属性）烘焙蛋糕，他们通常必须从头开始。他们必须猜测使用哪些原料，尝试不同的烤箱温度，品尝面糊，遭遇失败，然后重新开始。即使他们为 100 种不同的食谱烘焙了 100 个蛋糕，他们往往也会在第一个蛋糕之后丢弃所有学到的经验。他们将每一个新食谱都视为一个全新的谜团，浪费时间和金钱去重新学习他们已经知道的事情。

DRUGSAGE 是一个新的“智能烘焙师”（一个 AI 智能体），它改变了规则。它不会忘记自己的错误和成功，而是保留一本不断进化的巨型食谱书，每烘焙一个蛋糕，这本书就会变得更聪明。

以下是其工作原理的分解说明：

1. “食谱书”（记忆）

大多数 AI 智能体只有短期记忆；它们会忘记昨天做过什么。DRUGSAGE 拥有由三个特定部分组成的长期记忆：

“获胜食谱”（解决方案记忆）： 它记住了过去哪些特定的原料组合（模型和训练方法）在类似任务中效果最好。
“厨师笔记”（优化记忆）： 它记住了为什么某项改变会奏效。例如，“当我们把烤箱温度降低 10 度时，蛋糕膨胀得更好。”
“灾难日志”（执行记忆）： 它记录导致厨房起火（代码错误、内存崩溃）的事项，以及下次如何确切地修复它们。

2. “智能搜索”（它如何找到最佳模型）

当 DRUGSAGE 被要求烘焙一个新蛋糕时，它不会随机猜测。它使用一种称为MCTS（蒙特卡洛树搜索）的策略，这就像探索一片可能食谱的森林。

没有记忆： 一个智能体会在整片森林中徘徊，尝试每一条路径，甚至包括那些通向死胡同的路径。
使用 DRUGSAGE： 在踏入森林之前，它会先查阅自己的食谱书。它会说：“嘿，对于这种类似的蛋糕，上次‘巧克力豆’路径效果很好。”它会跳过死胡同，直接前往有希望的路径。
保证： 该论文从数学上证明，即使使用了这种来自过去的“作弊条”，该智能体最终仍能保证找到绝对最佳的解决方案，只是速度要快得多。

3. “零搜索”超能力

这是最令人印象深刻的技巧。有时，新食谱与旧食谱如此相似，以至于 DRUGSAGE 根本不需要烘焙。

场景： 如果你让它预测一种药物在水中的溶解度，而它已经解决了一个关于药物在油中溶解度的非常相似的问题，它可能会说：“我已经知道答案了。我直接复制‘油’任务的获胜食谱并用在这里。”
结果： 它以零额外测试或搜索提供了顶级解决方案。这就像一位厨师，当被要求制作柠檬挞时，意识到昨天已经制作了一个完美的青柠挞，只需替换水果即可，从而节省了数小时的工作。

结果：它奏效了吗？

作者在33 个不同的药物发现挑战（如预测毒性、溶解度或药物与蛋白质结合的效果）上测试了这个“智能烘焙师”。

单人表现： 当被迫在没有帮助的情况下独自工作时，DRUGSAGE 仍然击败了所有其他顶级 AI 智能体。
团队协作表现： 当允许利用其从 16 个较小任务中获得的记忆来帮助 17 个新的、更困难的任务时，它彻底碾压了竞争对手。
重大胜利： 在“零搜索”模式下（即在不进行测试的情况下直接复制过去的解决方案），它的表现优于那些被允许花费数小时寻找答案的其他智能体。即使竞争对手付出了更多的努力，DRUGSAGE 的表现仍然比竞争对手高出 10% 到 30%。

简而言之

DRUGSAGE 是一个学会学习的 AI。它不再将每一个药物发现问题都视为全新的开始，而是将每一个问题都视为让下一个问题变得更简单的教训。它建立了一个包含“已验证技能”和“已证实修复方案”的图书馆，使其能够比任何先前的系统更快、更便宜、更准确地解决复杂的药物问题。

技术摘要：DRUGSAGE

问题陈述

构建用于药物发现的最先进（SOTA）预测模型是一项昂贵的搜索问题。当前基于大语言模型（LLM）的智能体可以通过广泛搜索工具、架构和训练策略来实现 SOTA 性能。然而，这些智能体通常将每个任务视为孤立问题，一旦任务完成，便丢弃所有累积的搜索经验（例如有效的特征化方法、训练配方或错误修复）。因此，它们必须为每个新任务支付完整的计算和令牌搜索成本，这使得在药物发现中数千个多样化的预测问题上扩展 SOTA 模型开发变得困难。

方法论

作者提出了DRUGSAGE（自我进化的智能体经验），这是一个旨在跨任务累积和复用经验以高效构建 SOTA 药物发现模型的框架。该系统通过三个主要组件运行：

1. 可执行技能库（ $K$ ）

在预算搜索开始之前，一个探索智能体通过搜索文献和 GitHub 仓库构建共享技能库。该过程包括：

发现：从多个专家视角查询文献，以识别相关论文和仓库。
落地：克隆仓库并提取抽象语法树（AST）快照，确保 LLM 仅使用代码中观察到的符号。
验证：运行分层检查（语法、导入解析、沙箱中的端到端执行）并进行自动修复。只有经过验证的技能才会被添加到 $K$ 中。

2. 跨任务经验记忆（ $Z$ ）

DRUGSAGE 维护一个持久记忆 $Z = (R, H, Q)$ ，存储来自先前任务的证据：

解决方案记忆（ $R$ ）：记录模型家族和特定解决方案在不同任务中的表现，包括架构、超参数和验证分数。
细化记忆（ $H$ ）：存储搜索树中边缘的信息，包括 LLM 提出的编辑、理由以及父节点与子节点之间的性能差异。
执行记忆（ $Q$ ）：记录执行失败、已验证的修复、资源概况（运行时/内存）和环境轨迹，以便在未来运行中快速修复。

3. 经验条件搜索

当存在搜索预算（ $B > 0$ ）时，核心搜索循环利用增强记忆的蒙特卡洛树搜索（MCTS）。记忆 $Z$ 指导四个阶段：

根节点选择：使用记忆增强的置信上限（UCB）规则来选择模型家族，平衡当前任务性能与历史迁移分数。作者证明，这种修改保留了标准 UCB 的 $O(|F| \log T)$ 遗憾界。
父节点采样：根据目标任务性能、扩展广度和历史性能，选择特定的父解决方案进行扩展。
子节点生成：LLM 提出由 $H$ 落地的编辑，从类似的过往任务中检索相关的理由和成功配方。
执行与修复：利用 $Q$ 准备环境，并在遇到已知错误时立即应用已验证的修复。

4. 零测试时搜索（DRUGSAGE-ZERO）

当搜索预算为零（ $B=0$ ）时，系统完全绕过搜索。它形成任务签名（任务类型、指标、数据集大小、描述嵌入），以在记忆 $Z$ 中识别类比任务。它从最相似的历史任务中检索最佳已验证解决方案，并直接将其部署到新目标上。

主要贡献

框架设计：引入 DRUGSAGE，这是一个将跨任务记忆集成到基于 MCTS 的搜索循环中的自主智能体。作者提供了形式化保证，证明记忆增强的选择策略保留了标准 UCB 的遗憾界。
自动化技能发现：与先前工作（如 Autoresearch）不同，后者优化用户提供或排行榜顶尖的模型，DRUGSAGE 通过搜索文献和仓库自动构建技能库，消除了对人工策划起点的依赖，并扩大了搜索空间。
零测试时效率：证明了跨任务记忆能够实现“零测试时搜索”模式。DRUGSAGE-ZERO 将已验证的解决方案迁移到新任务，无需任何测试时搜索，其表现优于执行 20 次搜索迭代的基线智能体。

实验结果

该框架在两个基准测试（Therapeutic Data Commons (TDC) 和 Polaris Hub）上的 33 个分子属性预测任务中进行了评估。

单任务设置：在智能体从零开始构建解决方案且无跨任务记忆的设置中，DRUGSAGE 在九个 SOTA 智能体（包括 Autoresearch、STELLA 和 Biomni）中排名第一，平均排名为 1.95，并在 22 个任务中赢得了 10 次。
跨任务设置：利用从 16 个较小任务中累积的记忆，DRUGSAGE 在 17 个保留任务上进行了评估。
- DRUGSAGE-ZERO（ $B=0$ ）：在 17 个保留任务上实现了 0.935 的平均归一化分数，比所有基线智能体（最多使用 20 步搜索）高出 10–30%。
- 效率：DRUGSAGE-ZERO 在测试时产生的 LLM API 成本接近零，而基线智能体则需要大量的计算和令牌预算来进行迭代搜索。
- 性能：在特定案例中（例如溶解度和 CYP2D6 抑制），零样本迁移解决方案的表现优于 DRUGSAGE 的完整搜索版本，表明迁移策略优于智能体在预算内从零开始所能发现的策略。

意义与主张

该论文声称，DRUGSAGE 展示了跨任务记忆在药物发现中高效开发 SOTA 模型的独特优势。通过将每个任务视为丰富智能体未来任务的经验，该系统缩小了搜索空间，并且在某些情况下可以完全绕过搜索。这项工作强调，许多药物发现任务具有结构相似性（输入/输出结构、特征化需求），而当前的智能体往往忽视了这一点；累积已验证的技能和统计证据使得能够快速适应新问题，而无需承担迭代试错的全部成本。作者指出，虽然该框架主要在药物发现领域进行了测试，但累积结构化跨任务经验的方法可以推广到其他科学研究领域。