跳到正文
arXiv· Yuxiang Wang; Baojian Zhou; Qifang Zhao; Keyue Jiang; Yanghua Xiao; Xiaoxiao Xu·· 23 天前AI 评分53

ProtAgent:以交互级信用分配后训练紧凑蛋白质工具智能体

ProtAgent: Post-Training Compact Protein Tool Agents with Interaction-Level Credit Assignment

AI 导读

论文提出 ProtAgent,用两阶段后训练让紧凑模型学会调用生物信息工具并利用返回证据。流程先用 SFT 学习工具接口,再用 on-policy REINFORCE 改进交互策略,步级回报把动作奖励和最终答案奖励分配给对应响应及先前动作。

预印本 · arxiv · 2610.33746

本站摘要基于收录版本 v1(2026-10-27),原始摘要与 AI 导读固定保留。

来源最近更新: · 来源 v1

摘要 · AI 翻译

蛋白质注释智能体必须选择合适的生物信息学工具、解读其输出,并将所得证据用于最终答案。现有的大多数系统依赖前沿规模的模型。我们探究的是:一个紧凑型模型能否通过与真实工具交互的后训练来学习这种行为。我们提出 ProtAgent,这是一个两阶段流程,使用监督微调(SFT)学习工具接口,并使用标准的同策略 REINFORCE 来改进交互策略。中间的工具调用获得动作奖励,最终回答获得终止答案奖励。步级回报将这些奖励分配给产生它们的响应以及之前的动作。而回合级基线则将单个回合回报分配给所有动作。在使用真实生物信息学工具的固定闭环协议下,ProtAgent-8B 在注释覆盖率指标下达到 61.00% 的成功率,而 DeepSeek-V3.2-Thinking 671B 为 41.60%,所评估的最强前沿系统为 60.80%。在三种子对比中,采用恒等回报归一化时,回合级回报的平均成功率为 42.70%,步级回报为 61.40%;相应的组相对结果分别为 36.50% 和 58.20%。该指标衡量的是在该协议下对参考注释的恢复程度;它本身并不能证明生物学正确性或完整的证据依据。

来源:arXiv · arxiv.org