待验证50% 置信事实精确时间
GeLLM³O是一个面向多目标分子优化的先进LLM模型，其本身已具备单轮多目标优化的能力，但在多轮迭代中缺乏利用历史反馈的显式训练机制。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/14
首次发现
有效期至：2027/1/12
来源
涉及实体
相关事实
待验证MFG（Multi-turn Feedback Guided Molecular Optimization）是一个将多轮反馈引导的分子优化形式化为强化学习问题的新框架。69% 相似待验证LLM的模式坍缩主要由自回归生成机制与RLHF优化的组合效应驱动，可从解码策略、训练目标和提示设计三个维度入手69% 相似待验证论文第三项创新是利用LLM本身来迭代优化提示词（LLM-assisted Prompt Optimization）66% 相似待验证现有LLM分子优化方法大多聚焦于单轮生成，忽略了真实药物化学优化通常是多轮迭代这一事实。65% 相似待验证LLM-Loop（大语言模型循环工作机制）是指将AI大模型嵌入持续迭代的反馈闭环：用户提出需求、AI生成输出、用户验证反馈、AI修正再输出，循环直至达到目标65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1027454API
curl https://kongchang.com/api/v1/knowledge/claims/1027454MCP
get_claim(id=1027454)