A Unified Optimism-Agnostic Framework for Linear Bandits over Spherical Action Sets
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);University of Chicago Booth School of Business(芝加哥大学布斯商学院)
本文提出一个统一框架,通过设计矩阵最小特征值增长和动作集中性条件,证明UCB和TS变体在球形动作集上达到最优遗憾率,连接参数估计质量与遗憾累积。
2026-09-29 cs.LG stat.ML
Non-Stationary Reinforcement Learning: The Blessing of (More) Optimism
National University of Singapore(新加坡国立大学);Massachusetts Institute of Technology(麻省理工学院)
我们考虑时间漂移下马尔可夫决策过程(MDP)中的非折扣强化学习(RL),即允许奖励和状态转移分布随时间推移而演变,只要它们各自的总变化,由合适的度量量化,不超过某些变化预算。该设置捕捉了顺序决策场景中的内隐性、外显性、不确定性和部分反馈,并在车辆再营销和实时竞价中得到应用。首先提出了基于置信度加宽的强化学习滑动窗口置信度上界(SWUCRL 2-CW)算法,并在已知变量预算的情况下建立了其动态后悔界.此外,我们提出了Bandit-over-强化学习(BORL)算法自适应调整SWUCRL 2-CW算法,以实现相同的动态遗憾界,但在一个参数的方式,即不知道的变化预算。最后,我们进行数值实验,以表明我们提出的算法实现优越的经验性能相比,现有的算法。值得注意的是,内生性和外生性之间的相互作用提出了一个独特的挑战,在现有的(静态和非静态)随机在线学习设置中不存在,当我们应用传统的乐观面对不确定性原则设计算法时,可以证明在漂移的MDP中RL的动态遗憾较低。我们克服了一种新的信心扩大技术,将额外的乐观到我们的学习算法,以确保低动态遗憾界限的挑战。为了扩展我们的理论研究结果,我们将我们的框架应用于库存控制问题,并演示了如何可以选择利用特殊结构的状态转移分布,以绕过探索时变环境中的困难。
2020-05-18 cs.LG stat.ML
Taming "data-hungry" reinforcement learning? Stability in continuous state-action spaces
Massachusetts Institute of Technology(麻省理工学院);Stern School of Business, New York University(纽约大学斯特恩商学院)
本文提出了一个在连续状态-动作空间中分析强化学习的新框架,通过强调影响 Bellman 算子和占用测度的两个关键稳定性属性,证明了离线和在线环境下的快速收敛率,并揭示了悲观与乐观及迁移学习的新视角。
2024-01-10 cs.IT cs.LG cs.SY
Crush Optimism with Pessimism: Structured Bandits Beyond Asymptotic Optimality
The University of Arizona(亚利桑那大学)
我们研究随机结构土匪最小化遗憾。近年来,研究人员发现,流行的乐观算法不能实现渐进的实例依赖后悔最优性(简称渐近最优性)。另一方面,众所周知,人们可以实现有限的遗憾(即,不会随着$n$无限增长)。不幸的是,现有的渐近最优算法依赖于引入$ω(1)$项w.r.t.时间的地平线$n$在他们的遗憾,未能适应“容易”的实例。在本文中,我们专注于有限假设的情况下,并询问是否可以达到渐近最优,同时尽可能享受有限的遗憾。我们通过引入一种名为CRush Optimism with Pessimism(CROP)的新算法来提供一个积极的答案,该算法通过拉动悲观假设所指示的信息臂来消除乐观假设。我们的有限时间分析表明,作物$(i)$实现了一个常数因子的渐近最优性,由于强制探索的设计,$(ii)$适应有界遗憾,和$(iii)$的遗憾界规模不与$K$,但与我们介绍的有效数量的武器$K_ψ$。我们还讨论了一类问题,其中作物可以指数优于现有的算法在\textit{nonasymptotic}制度。这个问题类还揭示了一个令人惊讶的事实,即使是一个千里眼的先知谁发挥根据渐近最优的手臂拉方案可能会遭受线性最坏情况下的遗憾。
2020-10-23 cs.LG stat.ML
Asymptotic Optimism of Random-Design Linear and Kernel Regression Models
Department of Statistics, Rice University(里士大学统计系);Lawrence Berkeley National Laboratory(伯克利国家实验室);Amazon(亚马逊公司);Department of Statistics, the Ohio State University(俄亥俄州立大学统计系)
本文推导了随机设计下线性回归及核岭回归的闭式渐近乐观度,提出以尺度化乐观度作为预测复杂度度量,并从理论和实验上揭示了ReLU神经网络与切线核模型在该度量下的行为差异。
2025-08-16 cs.LG math.ST stat.ML
Sequential Information Design: Markov Persuasion Process and Its Efficient Reinforcement Learning
Yale University(耶鲁大学);University of Virginia(弗吉尼亚大学);University of Science and Technology of China(中国科学技术大学);Google(谷歌);Northwestern University(西北大学)
在当今经济中,互联网平台考虑顺序信息设计问题以使其长期利益与gig服务提供商的激励相一致变得重要。本文提出了一种新的模型,顺序信息设计,即马尔可夫说服过程(MPPs),发送者,具有信息优势,试图说服流近视接收者采取行动,最大限度地提高发送者的累积效用在有限时域马尔可夫环境中,具有不同的先验和效用函数。因此,在MPP规划面临着独特的挑战,在寻找一个信令策略,同时具有说服力的近视的接收器,并诱导发送器的最佳长期累积效用。然而,在模型已知的总体水平上,事实证明,我们可以有效地确定最优(分别为)。$ε$ -最佳)策略,具有有限(分别无限的)状态和结果,通过修改公式的贝尔曼方程。我们的主要技术贡献是研究在线强化学习(RL)设置下的MPP,其目标是通过与底层MPP交互来学习最优信令策略,而无需知道发送方的效用函数,先验分布和马尔可夫转移核。我们设计了一个可证明有效的无遗憾学习算法,说服过程的乐观-悲观原则(OP 4),它具有乐观和悲观原则的新颖组合。我们的算法通过实现次线性$\sqrt{T}$ -遗憾上界而享有样本效率。此外,我们的算法和理论都可以通过函数逼近应用于具有大空间结果和状态的MPP,并且我们在线性设置下展示了这样的成功。
2022-02-22 cs.AI cs.GT cs.LG
Adaptive Control and Regret Minimization in Linear Quadratic Gaussian (LQG) Setting
California Institute of Technology(加州理工学院)
研究了部分可观测线性二次型高斯控制系统的自适应控制问题,其中系统的模型动态是先验未知的。我们提出了LqgOpt,一种新的强化学习算法的基础上乐观的原则,在面对不确定性,以有效地减少整体控制成本。我们采用预测状态演化表示的系统动力学和部署最近提出的闭环系统辨识方法,估计和置信界建设。LqgOpt有效地探索系统动力学,估计模型参数到其置信区间,并部署最乐观模型的控制器以进行进一步的探索和开发。我们提供了LqgOpt的稳定性保证,并证明了$\tilde{\mathcal{O}}(\sqrt{T})$的遗憾上界的线性二次高斯(LQG)系统的自适应控制,其中$T$是问题的时间范围。
2020-06-24 cs.LG math.OC stat.ML
Multi-armed Bandit Learning on a Graph
Harvard School of Engineering and Applied Sciences(哈佛大学工程与应用科学学院);Stanford University(斯坦福大学);KTH(瑞典皇家理工学院)
多臂强盗(MAB)问题是一个简单而强大的框架,已被广泛研究的背景下的不确定性决策。在许多现实世界的应用中,例如机器人应用,选择手臂对应于约束下一个可用手臂(动作)的选择的物理动作。出于这一动机,我们研究了MAB的一个扩展,称为图强盗,其中代理在图上旅行,以最大限度地提高从不同节点收集的奖励。该图定义了代理在每一步选择下一个可用节点的自由度。我们假设图结构是完全可用的,但奖励分布是未知的。基于离线的基于图的规划算法和乐观原则,我们设计了一个学习算法,G-UCB,使用乐观原则平衡长期的探索和开发。我们表明,我们提出的算法实现了$O(\sqrt{|S|T\log(T)}+D|S|\log T)$学习遗憾,其中$|S|$是节点的数量和$D$是直径的图形,它匹配的理论下限$Ω(\sqrt{|S|T})$的对数因子。据我们所知,这一结果是第一个紧遗憾界在非情节,非折扣学习问题与已知的确定性过渡。数值实验证实,我们的算法优于几个基准。
2023-03-20 cs.AI cs.LG stat.ML
Asymptotic Optimism for Tensor Regression Models with Applications to Neural Network Compression
Rice University(莱斯大学);University of Minnesota(明尼苏达大学)
本文研究了低秩张量回归中秩选择问题,推导了在随机协变量设计下的期望训练-测试分歧表达式,并提出了一种以预测为导向的秩选择规则,扩展到张量模型平均,并展示了其在图像回归任务中的实用性。
2026-03-27 cs.LG math.ST stat.ML
A Contextual Bandit Bake-off
New York University(纽约大学);Microsoft Research(微软研究院);Inria(法国国家信息与自动化研究所)
上下文强盗算法对于解决许多现实世界的交互式机器学习问题是必不可少的。尽管最近在统计和计算效率方法上取得了多项成功,但这些算法的实际行为仍然知之甚少。我们利用大量监督学习数据集的可用性来经验性地评估上下文强盗算法,重点关注通过依赖监督学习的优化预言来学习的实用方法。我们发现,最近的方法(福斯特等人,2018)在不确定性下使用乐观主义总体效果最好。令人惊讶的是,第二个是一个简单的贪婪基线,它只通过上下文的多样性进行隐式探索,然后是在线封面的变体(Agarwal et al.,2014年),这往往是更保守的,但鲁棒的问题规格的设计。一路上,我们还评估了上下文强盗算法设计的各个组成部分,如损失估计。总体而言,这是一个深入的研究和审查语境土匪方法论。
2021-06-04 cs.LG stat.ML
Bandit Social Learning: Exploration under Myopic Behavior
University of Maryland at College Park(马里兰大学学院公园分校)
本文研究在线平台中短视智能体在 bandit 社会学习下的探索失败问题,建立一般行为模型并证明贪婪算法必然失败,同时发现少量极端乐观者即可避免失败并实现接近最优的遗憾率。
2025-04-10 cs.DS cs.GT cs.LG
Matrix-Valued Optimism is Matrix-Valued Augmentation: Additive Hybrid Designs for Constrained Optimization
University of Washington(华盛顿大学)
本文提出加法混合设计方法,通过矩阵值修正提升约束优化性能,揭示了增广拉格朗日与乐观对偶方法的等价性,并在非线性等式约束问题中验证了其有效性。
2026-05-07 cs.LG
Perturbed-History Exploration in Stochastic Multi-Armed Bandits
Google Research(谷歌研究院);DeepMind(深度思考);University of Alberta(阿尔伯塔大学);Facebook AI Research(脸书人工智能研究院)
提出了一个随机多臂强盗中最小化累积后悔的在线算法。该算法将$O(t)$ i.i.d.在回合$t$中伪奖励其历史,然后拉动具有其扰动历史中最高平均奖励的手臂。因此,我们称之为扰动历史探测(PHE)。伪奖励是精心设计的,以抵消潜在低估的平均奖励的武器具有很高的概率。我们推导出了PHE的$n$ -轮遗憾的接近最优的间隙相关和无间隙的界限。我们分析的关键步骤是一个新的论点,表明随机伯努利奖励导致乐观。最后,我们实证评估PHE,并表明它是具有竞争力的国家的最先进的基线。
2019-11-05 cs.LG stat.ML
The Confusing Instance Principle for Online Linear Quadratic Control
Univ. Lille(里尔大学);Inria(法国国家信息与自动化研究所);CNRS(法国国家科学研究中心);Centrale Lille(里尔中央理工学院);UMR 9198-CRIStAL(法国国家科研中心信息与自动化研究院里尔计算机科学、信号与自动化实验室)
针对未知动力学线性二次控制问题,提出基于混淆实例原理的MED-LQ算法,结合LQR策略结构与稳定性分析,在控制套件上展现竞争性能并具大规模应用潜力。
2025-10-22 cs.LG
Computationally Efficient RL under Linear Bellman Completeness for Deterministic Dynamics
Cornell University(康奈尔大学);MIT(麻省理工学院);Microsoft Research(微软研究院)
针对线性Bellman完整设置,提出一种基于随机噪声注入和零空间设计的计算高效强化学习算法,适用于大动作空间和确定性动力学,解决了误差放大问题。
2025-03-01 cs.LG cs.RO cs.SY
Opportunistic Episodic Reinforcement Learning
University of California, Davis(加州大学戴维斯分校)
在本文中,我们提出并研究机会主义强化学习-一个新的变种强化学习问题的遗憾选择一个次优的行动变化下的外部环境条件称为变化因素。当变异因子较低时,选择次优行为的后悔也较低,反之亦然。我们的直觉是,当变异系数高时,我们应该更多地开发,当变异系数低时,我们应该更多地开发。我们证明了这种新的框架有限的地平线情节MDP的设计和评估OppUCRL 2和OppPSRL算法的好处。我们的算法通过引入变异因子依赖的乐观来指导探索,动态地平衡了强化学习的探索-利用权衡。我们建立了OppUCRL 2算法的$\tilde{O}(HS \sqrt{AT})$遗憾界,并通过仿真证明了OppUCRL 2和OppPSRL算法的性能都优于它们原来的相应算法.
2022-10-24 cs.AI cs.LG
Provably Safe Reinforcement Learning for Stochastic Reach-Avoid Problems with Entropy Regularization
Section of Automation \& Control, Aalborg University, 9220 Aalborg East, Denmark
本文提出一种基于熵正则化的安全强化学习算法,用于解决随机到达-避免问题,通过优化策略并控制学习过程中的安全约束。
2026-01-19 cs.LG
Acceleration in Policy Optimization
Google DeepMind(谷歌DeepMind);McGill University(麦吉尔大学);Mila Quebec AI Institute(米拉魁北克人工智能研究所)
本文提出一种通过乐观和自适应更新加速强化学习策略优化的统一范式,并设计了一种基于元梯度学习的乐观策略梯度算法,在说明性任务中验证了加速设计选择。
2023-09-05 cs.AI cs.LG stat.ML
Constant regret in general games via higher-order optimism
Univ. Mohammed VI Polytechnic(穆罕默德六世大学);Univ. Grenoble Alpes(格勒诺布尔大学);CNRS(法国国家科学研究中心);Inria(法国国家信息与自动化研究所);Grenoble INP(格勒诺布尔工业大学);LIG(信息与信号处理实验室)
本文提出带折扣的高阶乐观算法(HOOD),作为OptFTRL的变体,可在N玩家标准型博弈中保证O(N³log²K)的个体遗憾,消除了此前实现一般博弈常数遗憾的关键障碍,且与同期独立工作有相似性。
2026-09-04 cs.GT cs.LG
Simulation-Based Inference for Adaptive Experiments
Cornell Tech(康奈尔科技);Netflix(网飞);Cornell University(康奈尔大学)
本文针对多臂老虎机自适应实验的推断难题,提出一种基于“乐观模拟”的模拟推断方法,通过生成额外实验轨迹刻画非正态检验统计量分布,在保证渐近错误控制和一致性的同时,将置信区间宽度最多缩减50%。
2025-06-03 cs.LG stat.ME stat.ML
Quantum Speedups in Regret Analysis of Infinite Horizon Average-Reward Markov Decision Processes
Association for the Advancement of Artificial Intelligence(美国人工智能协会)
本文提出量子框架下的乐观表格强化学习算法,利用量子均值估计优势,将无限时域MDP的遗憾界从经典$\tilde{\mathcal{O}}(\sqrt{T})$指数级改进至$\tilde{\mathcal{O}}(1)$。
2025-05-26 cs.AI cs.LG quant-ph
Algorithmic Framework for Model-based Deep Reinforcement Learning with Theoretical Guarantees
Princeton University(普林斯顿大学);University of California, Berkeley(加州大学伯克利分校);Stanford University(斯坦福大学);Facebook AI Research(脸书人工智能研究院)
基于模型的强化学习(RL)被认为是一种很有前途的方法,可以降低阻碍无模型强化学习的样本复杂度。然而,对这种方法的理论理解相当有限。本文介绍了一种新的算法框架,设计和分析基于模型的强化学习算法的理论保证。我们设计了一个元算法的理论保证单调改善的局部最大值的预期回报。元算法基于估计的动态模型和样本轨迹迭代地构建期望回报的下限,然后在策略和模型上联合最大化下限。该框架扩展了乐观面对不确定性的原则,非线性动态模型的方式,需要\textit{no explicit}不确定性量化。通过简化实例化我们的框架,给出了基于模型的RL算法的一种变体随机下限优化(SLBO)。实验表明,SLBO达到国家的最先进的性能时,只有一百万或更少的样本被允许在一系列连续控制基准任务。
2021-02-15 cs.AI cs.LG stat.ML
Adaptive Exploration in Linear Contextual Bandit
Princeton University(普林斯顿大学);Deepmind;University of Alberta(阿尔伯塔大学)
上下文强盗作为一个基本模型,许多顺序决策任务。最流行的理论上合理的方法是基于乐观原则。虽然这些算法可以是实用的,但它们被认为是次优的渐近。另一方面,现有的渐近最优算法,这个问题不利用线性结构的最佳方式,并遭受低阶项,占主导地位的遗憾,在所有实际上有趣的制度。我们开始弥合差距,设计一个算法,是渐近最优的,并具有良好的有限时间的经验性能。与此同时,我们与最近的文献联系起来,探讨免探索方法何时有效。事实上,如果上下文的分布表现良好,那么我们的算法主要表现为greatly,并享受亚对数遗憾。此外,我们的方法是自适应的,在这个意义上说,它自动检测的好的情况下。数值结果表明,我们的方法相对于几个基线显着减少遗憾。
2020-03-15 cs.LG math.ST stat.ML
Replicable Constrained Bandits
Politecnico di Milano(米兰理工大学)
本文提出了一种可复制的约束老虎机算法,通过设计满足约束条件的策略,实现了在相同环境下决策序列的可重复性,并展示了UCB-like算法在可复制性上的应用。
2026-02-16 cs.LG stat.ML
Learning in Congestion Games with Bandit Feedback
在本文中,我们研究了纳什遗憾最小化拥塞游戏,一类游戏的良性的理论结构和广泛的现实世界中的应用。首先,我们提出了一个集中式算法的基础上的乐观面对不确定性原则的拥塞游戏(半)强盗反馈,并获得有限样本保证。然后,我们提出了一个分散的算法,通过一个新的组合的Frank-Wolfe方法和G-最优设计。通过利用拥塞游戏的结构,我们表明,这两种算法的样本复杂度只取决于多项式的球员的数量和设施的数量,但不是行动集的大小,这可以是指数级大的设施的数量。我们进一步定义了一个新的问题类,马尔可夫拥塞游戏,这使我们能够模拟拥塞游戏中的非平稳性。我们提出了一个集中式算法的马尔可夫拥塞游戏,其样本的复杂性再次只有多项式依赖于所有相关的问题参数,但不是行动集的大小。
2023-01-20 cs.GT cs.LG cs.MA
Gaussian-Width Bounds for Offline-to-Online Linear Bandits
University of Alberta(阿尔伯塔大学)
该研究针对部分覆盖离线数据的随机线性多臂老虎机问题,利用高斯向量 Lipschitz 函数集中度得到更紧的 regret 界,开发了分阶段消除算法并给出纯探索的上下界。
2026-10-12 cs.LG
Optimistic Algorithms for Adaptive Estimation of the Average Treatment Effect
Carnegie Mellon University(卡内基梅隆大学)
本文针对平均处理效应自适应估计中有限样本下探索-利用权衡被忽视及估计量次优的问题,提出基于渐近最优AIPW估计量和多臂老虎机乐观原则的新型自适应采样算法,取得显著理论与实证收益。
2025-02-07 cs.LG stat.ME stat.ML
Greedy Sampling Is Provably Efficient for RLHF
Electrical and Computer Engineering University of Virginia(电气与计算机工程大学弗吉尼亚大学);Princeton Language and Intelligence Princeton University(普林斯顿语言与智能普林斯顿大学)
该研究针对RLHF理论理解不足的问题,跳出经典乐观/悲观估计框架,基于KL正则化目标下最优策略类的结构特性,证明贪心采样在通用偏好模型及BT模型中均能实现阶数提升的性能保证,为RLHF算法设计提供新理论依据。
2025-10-28 cs.AI cs.IT cs.LG
Optimal Comparator Adaptive Online Learning with Switching Cost
Boston University(波士顿大学)
实际的在线学习任务通常自然地定义在无约束域上,其中一般凸损失的最优算法的特征在于比较器自适应的概念。在本文中,我们设计这样的算法中存在的切换成本-后者惩罚典型的乐观自适应算法,导致一个微妙的设计权衡。基于连续时间分析发现的一种新的双空间缩放策略,我们提出了一种简单的算法,将现有的比较器自适应遗憾界[ZCP 22 a]改进为最优速率。所获得的好处进一步扩展到专家设置,并通过一个顺序的投资任务证明了所提出的算法的实用性。
2022-10-11 cs.LG
Any-Time Regret-Guaranteed Algorithm for Control of Linear Quadratic Systems
Coordinated Science Laboratory University of Illinois Urbana-Champaign(协调科学实验室 伊利诺伊大学厄巴纳-香槟分校)
提出用于线性二次系统控制的算法,基于SDP框架,通过调整正则化等构建置信椭球并设计输入扰动机制。开发两个变体,分析状态放大与遗憾值权衡,放宽顺序稳定性要求得最优遗憾值,还无需DARE解范数先验界。
2026-07-23 cs.LG cs.SY eess.SY
Finite-time System Identification and Adaptive Control in Autoregressive Exogenous Systems
California Institute of Technology(加州理工学院);Purdue University(普渡大学)
自回归外生(ARX)系统是一类输入输出动态系统,用于建模随机线性动态系统(LDS),包括部分可观测的LDS,如LQG系统。本文研究了一类未知ARX系统的系统辨识和自适应控制问题。我们提供有限时间学习保证的ARX系统下的开环和闭环数据汇集。利用这些保证,我们设计了具有任意强凸或凸二次调节成本的未知ARX系统的自适应控制算法。在强凸代价函数下,我们设计了一种基于在线梯度下降的自适应控制算法来设计和更新通过凸控制器重新参数化构造的控制器。我们表明,我们的算法有$\tilde{\mathcal{O}}(\sqrt{T})$遗憾通过探索和提交的方法,如果模型估计更新的时代使用闭环数据汇集,它达到最佳的遗憾$\text{polylog}(T)$后,$T$的时间步长的相互作用。对于凸二次型代价函数的情形,我们提出了一种自适应控制算法,利用不确定性乐观原理设计控制器。在这种情况下,我们发现,探索和提交的方法有一个遗憾的$\tilde{\mathcal{O}}(T^{2/3})$上限,自适应控制与连续的模型估计更新达到$\tilde{\mathcal{O}}(\sqrt{T})$遗憾后,$T$时间步长。
2021-08-26 cs.LG cs.SY eess.SY
Learning-Augmented Optimization for Strategic Two-Echelon Spare Parts Network Design
Amazon RME(亚马逊RME);IE University(IE大学);UniPD(帕多瓦大学)
针对两级备件网络设计,提出结合图神经网络、变邻域搜索与集合划分的保守优化框架,在亚马逊案例中节省成本提升30.5%,并有效抑制代理模型乐观偏差。
2026-09-14 cs.LG math.OC
Competitive Gradient Descent
California Institute of Technology(加州理工学院)
本文提出了一种新的二人竞争对策纳什均衡的数值计算算法。我们的方法是一个自然的推广梯度下降到两个球员设置的更新是由一个正则化的双线性局部近似的底层游戏的纳什均衡。它避免了交替梯度下降中出现的振荡和发散行为。使用数值实验和严格的分析,我们提供了一个详细的比较\emph{optimism}和\emph{consensus}的基础上的方法,并表明,我们的方法避免了任何不必要的变化的梯度动力学,同时实现指数(局部)凹凸零和对策收敛。我们的方法的收敛性和稳定性是强大的球员之间的相互作用,而不适应的步长,这是不是与以前的方法的情况下。在我们对非凸-凹问题的数值实验中,现有的方法由于对参与者之间的相互作用敏感而容易发散和不稳定,而我们从未观察到我们的算法发散。选择更大步长的能力还允许我们的算法实现更快的收敛,如模型评估的数量所测量的。
2020-07-01 cs.GT cs.LG math.OC
AlgoRxplorers | Precision in Mutation: Enhancing Drug Design with Advanced Protein Stability Prediction Tools
Georgia Institute of Technology(佐治亚理工学院)
本研究提出基于迁移学习和多模型融合的深度神经网络方法,通过整合互补特征构建蛋白质稳定性表示,其中 ThermoMPNN+ 模型在预测 $ΔΔG$ 值上表现最佳,有助于推进疾病研究与药物发现。
2025-01-30 cs.AI cs.LG