AI 做药：小模型加强化学习，能追上大模型吗？
> *Evaluating the Progression of Large Language Model Capabilities for Small-Molecule Drug Design* > Shriram Chennakesavalu, Kirill Shmilovich 等 | arXiv: 2604.16279 | 2026
---
一个价值万亿美元的问题
药物研发有多贵？平均来说，从发现一个候选分子到上市，需要 10 年时间和 26 亿美元。而且大部分候选分子最终都会失败。
如果能用 AI 加速这个过程，哪怕只缩短 10% 的时间，也是巨大的商业价值。大语言模型因为能处理多源、多格式的信息，被认为有潜力改变药物设计的流程。但问题是——它们到底行不行？
这篇论文来自 Google 的研究团队，他们设计了一套系统化的评估框架来回答这个问题，并且发现了一个出人意料的结果。
---
三类化学任务，一个统一框架
研究者设计了覆盖小分子药物设计三个关键环节的任务：
1. 分子属性预测：给定一个分子，预测它的溶解度、毒性、生物活性等属性。这是药物筛选的基础。 2. 分子表示转换：在不同格式之间转换分子信息，比如从 SMILES 字符串到分子描述，或者反过来。 3. 分子设计：根据给定的需求，设计出满足特定属性的新分子。这是最具挑战性的任务。
关键的创新在于：他们把这些任务全部构建为强化学习（RL）环境。这意味着同一套框架既能用来评估模型能力，又能用来做后训练——评估和训练合二为一。
---
三个模型家族的对比
研究者测试了三个模型家族：
- Anthropic 系列（Claude）：在化学任务上有明显的进步，这很可能是因为 Anthropic 团队刻意在化学领域做了专项训练。
- OpenAI 系列（GPT）：在化学任务上没有显著的时间线改进。
- 开源模型（30B 参数）：基础能力较弱，但通过后训练可以大幅提升。
---
后训练的边界
但后训练也不是万能的。研究者发现了一个重要的限制：对于更困难的任务，后训练几乎看不到改进。
这意味着什么？简单任务可以通过后训练快速提升，但真正困难的化学推理任务，需要在基础模型的预训练阶段就注入足够的化学知识。后训练只能"锦上添花"，不能"无中生有"。
这就像一个学生：考前突击可以提高中等难度题目的得分，但真正难的压轴题，还是需要平时的积累。
---
我的思考
这篇论文对 AI 药物研发领域的启示很直接：不要迷信大模型，要相信好数据+好训练。
一个经过针对性训练的小模型，可以比通用大模型在特定领域表现更好。这对资源有限的团队来说是个好消息——你不需要 GPT-4 级别的模型，只需要一个合适的开源模型加上领域特定的后训练。
"锯齿状前沿（Jagged Frontier）"这个概念也很精准：LLM 的能力不是均匀提升的，而是在某些任务上很强、某些任务上很弱，形成锯齿状的边界。了解这个边界在哪里，比盲目追求"最大最强"更重要。
---