Mol-Debate：多智能体辩论提升分子设计中的结构化推理能力

文本引导的分子设计是 AI 驱动药物发现的关键，但在严格化学约束下将线性自然语言指令映射为非线性分子结构极具挑战。现有方法多依赖单次生成流程，缺乏动态的多视角批判与迭代优化。为此，本文提出 Mol-Debate，通过“生成 - 辩论 - 优化”的迭代循环实现动态推理。该方法解决了开发者与辩论者的冲突、全局与局部结构推理整合等关键问题。实验表明，Mol-Debate 在 ChEBI-20 和 S²-Bench 基准上均达到最先进水平。