强化学习对齐基于结构的分子生成，提升候选分子可购性

研究将强化学习用于口袋条件分子生成模型，把生成分子导向 Enamine REAL 和 Freedom 4.0 两个 make-on-demand 化学空间，使候选分子可直接购买和测试。作者比较了离线偏好优化策略 DPO 与在线强化学习策略 DiffusionNFT，覆盖单靶点和多靶点设置。在 KRAS 单靶点优化中，Enamine REAL 中唯一可购候选比例从 10.0% 升至 25.5%，Freedom 4.0 从 4.3% 升至 12.1%，同时类药性和基于对接的亲和力代理指标得以保持。