本研究提出了多种基于增强学习的生成模型，如PGFS、DiffSBDD和EQGAT-diff，旨在优化化学分子设计和药物发现。通过改进分子结构和合成路线，这些模型提高了生成分子的亲和力和多样性。此外，研究引入了新的奖励函数TANGO，以满足合成性要求，提升药物设计的准确性和效率。