LLM改做原子级编辑，破解生成分子难合成瓶颈

《自然·机器智能》9月23日发表SynCraft框架：让大语言模型预测可执行的原子级编辑序列，而不是直接生成SMILES字符串，以此绕开LLM的语法脆弱性，把生成分子推过“合成悬崖”。

论文称其在生成高结构保真度的可合成类似物上优于现有最先进基线，并复现了药物化学家编辑PLK1抑制剂、挽救被弃RIPK1候选分子的专家直觉。注意：这些对比结果均为作者自评基准，全文需订阅才能查看，具体提升幅度无法从公开摘要核实。

代码以MIT许可开源，测试集与训练语料（3332对编辑及推理轨迹）已在Figshare公开，框架还打包成agent skill演示了SARS-CoV-2主蛋白酶候选分子的端到端挽救流程。能否被药物设计团队实际采用，是下一个观察点。