TESSERA: MCTS guidato da LLM per spiegazioni farmaco-malattia

I ricercatori propongono TESSERA, un framework neuro-simbolico che combina grandi modelli linguistici (LLM) con la ricerca ad albero Monte Carlo (MCTS) su grafi di conoscenza per generare spiegazioni meccanicistiche per coppie farmaco-malattia. L'approccio affronta le sfide combinatorie nell'estrazione di percorsi multi-step utilizzando LLM per il giudizio discriminativo locale piuttosto che per la generazione autonoma, mentre il grafo di conoscenza impone vincoli strutturali. MCTS coordina la ricerca a lungo orizzonte con l'assegnazione del credito tramite retropropagazione. Gli LLM fungono da politica prioritaria per l'esplorazione e da valutatore comparativo dello stato per i segnali di ricompensa. Il lavoro è descritto nell'articolo arXiv 2605.09542.