AI 制药论文阅读框架：任务、数据、模型、验证、落地五问

AI 制药论文很多，模型名字更迭很快。稳定的阅读方式不是追每个新名词，而是用任务、数据、模型、验证、落地五问框架判断可信度和项目价值。

五问框架

• 任务：解决的是分类、回归、排序、生成、结构预测还是证据整合？是否对应真实决策？
• 数据：数据从哪里来？标签如何定义？是否去重？是否存在 assay/物种/时间混杂？
• 模型：真正创新在哪里？是新架构、新预训练、新数据还是新工作流？
• 验证：划分是否诚实？基线是否强？有没有多种子、外部测试、冷启动或前瞻实验？
• 落地：输出能否进入 DMTA？是否考虑合成、成本、专利、安全性和实验周期？

使用方法

• 先用五问扫摘要、方法、数据和实验部分，再决定是否精读。
• 对商业平台论文额外看利益相关、未公开数据和人工决策比例。
• 对生成模型额外看合成可行性和实验命中；对预测模型额外看外推性和适用域。

延伸资源

• 配套：169《Benchmark 陷阱》、030《AIDD 综述怎么读》。