pharmacology

提出MARD，一个70亿参数的模型，用于机制级药物-药物相互作用预测，采用镜像增强推理蒸馏，以前沿API约1%的成本实现了最先进的准确率，并展示了真正的药理学推理能力而非记忆。

本文研究了LLM如何依赖形态学线索（词缀）进行药理学推理，表明模型仅基于词缀启发式就能自信地生成虚构药物名称的合理内容，这构成了微妙的安全风险。

本文正式将基于转录组的药物设计（TBDD）形式化为一个生成式逆问题，并提出了CURE——一个多分辨率转录组引导的扩散框架，能够生成以所需转录组状态转变为条件的药物分子。