限制感知校正記憶 具備限制感知的校正記憶 (CACM) 提升語言驅動藥物發現代理人成功率 大型語言模型使自動化藥物發現成為可能，但成功取決於候選集合是否同時滿足大小、多樣性、結合品質與可開發性等協議需求。研究者提出具備限制感知的校正記憶（CACM）框架，透過協議稽核與基礎診斷器定位違規，並以壓縮的記憶寫回引導後續行動。實驗結果顯示 CACM 提升目標成功率 36.4%，顯示精準診斷與經濟狀態對語言驅動藥物發現的重要性。
