MARD: Mirror-Augmented Reasoning Distillation for Mechanism-Level Drug-Drug Interaction Prediction

一句话直觉

把药物相互作用的方向与机制拆开验证，再用可检验的过程信号训练推理。

先理解问题

药物相互作用预测不只是回答“有无相互作用”，还涉及作用于哪条酶或药效轴、方向如何及依据是什么。随机拆分数据容易让同一药物或药物组合在训练与测试中重叠，从而高估泛化。

方法如何工作

MARD结合机制级标签体系、避免泄漏的冷启动划分和可审计推理指标。训练组件包括方向标签上的单token KL约束、过程奖励加权DPO与程序化难负例，以及机制感知检索；过程标签可对照结构化DrugBank字段验证，减少对主观judge的依赖。

放回偏好对齐的地图

这里DPO是领域推理流水线的一部分，不能把所有收益归因于偏好损失。检索、数据划分和方向一致性约束各自都可能影响表现，因而需要组件消融和严格防泄漏。

阅读边界

本笔记讨论机器学习方法，不提供用药判断。结构化数据库标签也有覆盖与时效边界；对新药、新机制或证据不足的组合，需要另行验证，不能把测试准确率当作临床可靠性。

自测与动手

1. 为什么药物对的冷启动划分比普通随机划分更能检验机制泛化？
2. 过程奖励可自动验证，是否就保证模型的所有自然语言解释都正确？

**小实验（自学设计）：**以公开、非临床用途的结构化关系数据模拟任务，比较随机拆分和实体冷拆分；去掉检索、方向KL或过程加权分别重测，判断性能来自记忆、检索还是可迁移关系推理。

来源与阅读范围

论文原文。已核对正式论文页面的题名与摘要；机制解释同时参照原研究清单，具体公式、证明与实验配置仍需阅读全文。

**核验补充：**正式题名含Mechanism-Level，原清单题名省略；原文为预印本。

原清单摘录与附图（保留原始表述）

以下内容来自原研究清单，可能包含旧标题、待验证的推测或尚未纠正的摘要。附图也可能是个人或 AI 辅助示意，未独立核验其出处与推导；阅读时以本页上方核验说明和论文原文为准。

研究想法 #19

提出MARD框架**将PRM（过程奖励模型）加权DPO引入药物相互作用预测。**利用过程奖励模型为推理链各步骤分配细粒度奖励信号进行加权DPO训练，引导模型学习正确的多步推理路径。将偏好优化中常用的成对偏好信号升级为步骤级奖励加权偏好，在需要精确多步推理的生物医学领域展现潜力。