新智元 (微信公众号)T2·72 分
NeurIPS 2026 免训练免梯度引导离散扩散设计生物序列
原标题：NeurIPS'26｜无需训练+梯度：引导离散扩散模型设计DNA/蛋白质
- 用 Doob h-变换把奖励适配转化为分布搬运，只改采样规则即可对齐黑盒奖励
- HepG2 增强子设计预测活性 6.19，超过需微调的 DRAKES 的 5.61
- 方法不依赖奖励可微，适用于 Enformer 预测器、结构打分等黑盒场景
返回热点榜
llm热度 9.6°
AI 聚合热点事件 · 2026/11/15
NeurIPS 2026 免训练免梯度引导离散扩散设计生物序列
1 篇收录报道1 家独立信源交叉印证持续跟踪至 2026/11/15 13:52:00
全景综述与最新动态
1 家信源交叉印证NeurIPS 2026 论文提出 D-DOIT，将奖励适配视为分布搬运问题，借助 Doob h-变换推导出掩码离散扩散上的推理期采样规则，无需改动模型参数、也无需奖励梯度，即可让冻结模型对齐任意黑盒奖励。在 HepG2 增强子设计任务上，高预算 D-DOIT-Q 预测活性达 6.19，超过需微调的 DRAKES（5.61），并在蛋白质逆折叠任务上验证了通用性。
最新动向/NeurIPS 2026 论文提出 D-DOIT，将奖励适配视为分布搬运问题，借助 Doob h-变换推导出掩码离散扩散上的推理期采样规则，无需改动模型参数、也无需奖励梯度，即可让冻结模型对齐任意黑盒奖励。在 HepG2 增强子设计任务上，高预算 D-DOIT-Q 预测活性达 6.19，超过需微调的 DRAKES（5.61），并在蛋白质逆折叠任务上验证了通用性。
逐小时热度走势
2 个完整观测小时连续完整观测不足 3 个小时，暂不绘制趋势曲线。