先看证据
数据越多，越要问模型学到了什么
Leash Bio发布了Minos的预印本、博客和开放数据集。Minos把团队积累的DNA编码化合物库（DEL）筛选记录，整理成供AI智能体探索构效关系、检验科学推理的环境，目标是让智能体可以根据实验反馈反复调整搜索。它面向的不是一般问答，而是药物发现中一个更难的问题：模型提出的分子判断，究竟能否在实验记录或后续实验中被核验。
这套工作的起点，是数据规模并没有自动变成泛化能力。Leash参与的一场Kaggle竞赛包含约40亿次测量，约2000支团队参加，任务要求预测未见过的化学库；据材料介绍，没有团队胜过随机猜测。这个结果不能证明数据毫无用处，却足以提醒研发负责人：训练集很大，不代表模型抓住了跨化学库仍然成立的关系。
DEL的读数必须先通过实验自检
DEL的高通量来自一种并行筛查方式：把带有DNA条码的小分子混合起来与目标蛋白孵育，洗涤后测序读取富集条码，再据此判断哪些分子可能与蛋白相互作用。测序让大量候选物能同时进入筛选，但条码信号并不天然等于小分子结合。蛋白可能没有正确折叠，也可能直接黏住DNA，噪声同样会让富集结果看起来像命中。
Leash描述的做法，是让筛选结果本身接受多种对照检查。加入已知竞争物后，预期结合信号应当下降；破坏结合口袋的突变体应改变相应信号；自制蛋白也要和经过功能验证的商业蛋白比较，相关家族蛋白之间则应呈现合理关系。团队称，做完这些检查仍会剔除部分失败筛查。这里的关键不是给数据贴上“高质量”标签，而是让实验是否可信有可追问的证据。
条码和突变既查实验，也查模型捷径
条码设计把实验中的一个隐蔽问题变得更可观察。节目介绍称，Leash会给每个分子配置数十种条码；同一化合物的不同条码如果读数不一致，就可能提示DNA相关的非特异信号或其他筛查问题。不过公开介绍没有给出完整的条码配置与判定规则，因此不能把“多条码”直接理解成已经排除了所有干扰。它更像一类用于定位问题的证据，而不是质量保证的自动开关。
模型同样可能抓住实验数据里的捷径。Leash对Hermes的分析发现，它在一些蛋白预测中更多关注非保守区域，团队据此怀疑模型可能在辨认蛋白身份，而非依据结合口袋判断相互作用。随后加入单氨基酸突变数据训练后，Leash报告模型对保守功能区域的关注增加。这是有价值的诊断结果，但注意力变化不能单独证明模型已经学会结合物理。
Minos把历史测量变成可探索的考场
Minos把这条质控链的另一端接到智能体上。材料称，智能体可以用自然语言推理构效关系，在约650万种分子中搜索结合物，搜索预算为100。这个设计的价值不只在于让模型“找答案”，还在于研究者可以把候选排序和已有筛选结果对照，观察智能体如何利用反馈改变搜索。团队把这类环境视为科学强化学习的基础：实验记录提供可核验的反馈，让智能体能在真实实验成本之外反复尝试。
但可核验不等于真实实验的替身。Minos来自既有DEL数据，历史筛查的噪声、偏差和化学库覆盖范围都可能进入环境；如果评测数据与训练数据隔离不足，智能体也可能通过熟悉记录取得好成绩。材料提到Minos已开放数据集并发布预印本，却没有在这里交代足以判断数据泄漏防护、许可细节或真实实验迁移效果的信息。因此，模拟里的高分首先说明模型适应了这个环境，不能直接等同于发现了实验上可靠的新分子。
把计算成绩当作实验优先级，而非结论
Hermes与Boltz的比较也需要放在这个边界内看。材料称，Hermes只用Leash自有数据训练，在公开基准上追平Boltz；同时提到Boltz此前已经在PDB中见过一个BRD4分子。这个例子说明，基准成绩会受到训练数据覆盖和具体测试案例的影响，不能仅凭分数判断模型是否拥有更强的化学理解。更值得追问的是，模型在未见化学库、蛋白突变和其他会破坏表面相关性的条件下，是否仍能给出稳健判断。
对实际研发团队，Minos更适合作为低成本的候选优先级工具和模型诊断环境，而不是湿实验的替代品。Leash还提到一个炎症项目从DEL命中到获得较好的小鼠PK/PD结果用了六个月，这说明实验推进依然决定候选物能否向前，但材料没有把这一进展归因于Minos或智能体。可执行的判断是：先明确训练与评测的隔离方式，用突变或未见数据检验智能体是否依赖捷径，再把少量高优先级候选送入湿实验。只有当模拟优势能在独立实验中复现，Minos才真正成为研发闭环的一部分。