深度生成扩散模型在材料科学和药物发现中展现出潜力，但受限于大分子结构和训练数据。本研究提出的EQGAT-diff模型显著提升了QM9和GEOM-Drugs数据集的表现，改善了训练收敛性和生成样本质量，显示出在药物设计中的应用前景。

深度生成人工智能通过最大似然估计训练生成模型，但难以完全满足用户需求。增强学习作为替代方案，通过注入新信号训练模型，更灵活且能遵循人类偏好，拓展了生成人工智能的边界。本文综述了该领域的应用，特别关注大规模语言模型的发展和未来方向。