MoLRSI 是一种 AI 代理，能够在分子发现任务中系统化地优化工作流和模型结构，并通过跨任务记忆实现递归自我改进。代理在每一次搜索中记录工作流性能、模型微调结果以及执行反馈，这些信息被用作后续搜索的指导信号，从而同时提升工作流本身和生成工作流的策略。
在抗生素发现实验中，MoLRSI 自动构建了一个兼顾抗菌活性、细胞毒性和结构新颖性的筛选工作流。使用相同的训练数据和筛选库，该工作流的实验命中率达到 15.9%，显著高于专家主导工作流的 8.7%。
在新型肽‑MHC 结合剂设计中，MoLRSI 同时考虑目标结合强度和特异性，成功生成了八个在 MART-1 与 SARS‑CoV‑1 pMHC 上验证的命中分子，并对比实验显示对非目标分子的结合显著降低，而 Claude Science 完全未能得到有效命中。
这些结果表明，基于经验的工作流优化能够在多目标竞争的分子发现场景中实现更高的成功率，并在后续项目中持续提升搜索策略。
点评