MolHop：用智能体强化学习实现骨架跃迁分子设计

论文提出 MolHop 框架，将约 160 万个商业分子骨架组织为从粗到细的层级动作空间，让 LLM 智能体通过骨架导航选择新探索区域、通过分子编辑调整候选属性，并用历史轨迹记忆支持长程搜索。在药物分子与商业化合物任务上，接入 Grok-4.6 与 DeepSeek-Flash-V4.1 后跨骨架联合成功率明显提升；经智能体强化学习训练的 MolHop-9B 超过多个生成式基线。

此前的 LLM 分子设计智能体多在已有结构邻域内做局部优化，难以找到骨架完全不同的替代分子。该工作把问题明确区分为跨骨架搜索，并给出可操作的动作空间与训练后的专用模型，在指标上超过通用大模型基线，使分子发现从局部改良转向更广的化学空间探索。

机制上，MolHop 把约 160 万个骨架预先组织成粗到细的层级动作空间，智能体先用骨架导航动作定位新的探索区域，再用分子编辑动作调整候选属性；历史轨迹记忆使长程搜索不丢失上下文。在此基础上通过智能体强化学习训练 MolHop-9B，把导航与编辑策略内化到较小模型中。

对药物研发与材料、化妆品等分子密集型行业，该框架提供了一条把通用 LLM 接入结构化化学空间的路径，可用较小自研模型替代昂贵的通用大模型调用，降低跨骨架候选生成成本，并把候选生成环节纳入可复用的智能体流程。

• 将内部化合物库按骨架层级整理为动作空间，接入 LLM 智能体生成跨骨架候选，形成可复用筛选流水线。
• 以 MolHop 框架微调自研 9B 级模型，替代通用大模型调用，降低分子生成推理成本。
• 在分子设计产品中增加骨架差异度指标，与目标属性一起作为候选排序依据。

• 摘要被截断，跨骨架联合成功率的具体数值和评测数据集未给出。
• MolHop-9B 与 GPT-5.6-sol 等基线的完整对比表和实验设置未在证据中呈现。
• 约 160 万个骨架的来源、更新频率与商业使用许可尚未说明。
• 历史轨迹记忆在长程搜索中的实际增益缺少消融证据。