在新药研发领域，上海人工智能实验室与北京大学组成的联合科研团队取得重要突破。针对传统新药筛选工具分散、协同效率低下的难题，研究团队创新构建了多层级技能体系，并成功开发出智能体MolClaw。该系统通过整合专业数据库、计算软件和预测模型等科学工具，实现了多类资源的统一调度与智能协同，在药物发现任务中首次具备自主决策、多步骤推理和动态扩展能力。
MolClaw的核心优势在于突破了传统药物研发的线性流程限制。在长程复杂的药物发现任务中，该智能体能够根据任务需求自主选择工具组合，完成从靶点分析到分子优化的全流程推理。例如，在针对特定疾病靶点的药物设计中，系统可自动调用结构预测模型评估分子活性，同时通过计算化学软件优化分子构象，最终输出符合药效团特征的候选化合物。这种端到端的自动化能力显著提升了研发效率，减少了人工干预带来的误差。
目前，MolClaw已在北京大学、浙江大学等机构的实验室进入湿实验验证阶段。研究人员正在通过实际药物研发场景检验其性能，重点测试系统在真实化学环境中的稳定性与可靠性。初步数据显示，该智能体在虚拟筛选环节的命中率较传统方法提升约37%，在分子优化阶段的效率提升超过50%。
为推动药物发现智能体的标准化评估，联合团队同步发布了多维度评测基准MolBench。该基准体系涵盖化学空间探索、多任务协同、可解释性等12个核心指标，通过构建包含200万组数据的测试集，为智能体的性能优化提供了量化参考。研究人员表示，MolBench的推出将加速智能体技术从实验室研究向临床应用的转化进程。
