本文提出了一种机制层面的药物相互作用（DDI）预测方法，能够识别涉及具体酶或药效学轴线、作用方向及证据，而不仅是判断药物间是否存在相互作用。作者设计了一个包含7大类147子类型的结构化DDI标注及评估协议，并提出了结合三种训练创新的7B参数规模镜像增强推理蒸馏（MARD）模型。该模型在2026年4月DrugBank数据上表现优异，在32个系统中，唯一保持药物对新颖性下的高准确率，超过最佳基线13.9个百分点，优于GPT-4o 6.7个百分点，且推理基于结构化药理知识而非药物频率记忆，成本仅为顶尖API的1%。同时，相关语料库和代码已公开。
这条 研究论文 信号说明，来自 arXiv cs.CL 的信息已经不只是单点新闻，而是值得放进产品、研究和行业判断里的趋势线索。
arXiv cs.CL 发布了这条关于 研究论文 的更新：本文提出了一种机制层面的药物相互作用（DDI）预测方法，能够识别涉及具体酶或药效学轴线、作用方向及证据，而不仅是判断药物间是否存在相互作用。作者设计了一个包含7大类147子类型的结构化DDI标注及评估协议，并提出了结合三种训练创新的7B参数规模镜像增强推理蒸馏（MARD）模型。该模型在2026年4月DrugBank数据上表现优异，在32个系统中，唯一保持药物对新颖性下的高准确率，超过最佳基线13.9个百分点，优于GPT-4o 6.7个百分点，且推理基于结构化药理知识而非药物频率记忆，成本仅为顶尖API的1%。同时，相关语料库和代码已公开。
机制级DDI预测对于安全合理用药至关重要，现有方法多停留在粗粒度交互判定，缺乏对具体作用机制的识别和解释。MARD通过创新的蒸馏训练与严谨评估协议提升了对未知药物对的泛化能力和推理透明度，降低了成本并促进相关研究复现和应用推广，具备重要的科学和实际价值。
研究员、模型团队和技术战略负责人 应该重点关注这条信号，尤其是正在跟踪 research、papers 的团队。
接下来观察这条信号是否出现开发者采用、竞品回应、研究复现、企业部署或政策/平台层面的后续动作。
Hugging Face推出了olmo-eval，这是一个专为模型开发设计的评估工作台，简化模型评估流程，促进开发者循环中更高效的性能测试和改进。
大型语言模型作为代理在庞大工具库中面临关键的工具检索瓶颈。为解决嵌入式检索方法对专业工具语义捕捉不足的问题，参数化工具检索通过将工具编码为虚拟标记并进行两阶段微调，实现了强劲的检索性能。现有基准测试在查询和解码上存在限制，难以评估模型是否真正理解工具。ToolSense是一个开源的基于LLM的诊断框架，能自动生成多级歧义现实检索基准、多项选择和问答探测基准。应用ToolSense至ToolBench及多种训练配置揭示知识与检索能力的脱节现象，部分模型尽管检索表现优异，但在事实探测上表现接近随机。该框架及基准已开源。
Arbor 是一个多智能体框架，利用结构化树搜索作为自主代理在大规模、有状态动作空间中的认知层。不同于以往的无状态孤立目标优化系统，Arbor 维护一个含评分假设的搜索树，作为智能体间的共享工作内存，随着每次测量不断进化，将失败视为重新探索的诊断信号。验证中，Arbor 在全栈大语言模型推理优化中实现多达193%的吞吐-延迟帕累托改进，远超单一智能体的33%提升且避免崩溃。系统通过协同的 Orchestrator 和 Critic 智能体分工保障稳定性，展现硬件无关性和高可复现性。