arXiv · ML· Xuan Gong, Hanbo Huang, Wenbin Dai, Jing Wang, Lei Bai, Xiang Xiao, Weishu Zhao, Shiyu Liang·· 2026-10-09AI 评分21
QuotientPO 如何通过商空间探索提升基因组规模代谢模型修复效率
Beyond Action Entropy: Quotient-Space Exploration for Genome-Scale Metabolic Model Repair
AI 导读
QuotientPO 将等效修复折叠为规范机制,在商空间直接优化探索,在 2,212 个保留 GEM 上将 Success@32 从 17.93% 提升至 20.10%(相对提升 12.1%)。 该框架推导了核化 Rényi 估计器以解决修复核心间的分级拥挤问题,并在相同采样预算下持续增加不同成功核心的发现。 这一方法确立了商空间探索作为在验证器诱导等价条件下进行机制级探索的原则性路径。
来源:arXiv · ML · arxiv.org