本文综述基于潜空间的分子设计方法，核心提出潜在提示Transformer模型：以Unet建模潜向量先验，因果Transformer根据潜向量生成分子字符串，非线性回归预测属性；训练后逐步将分布转向目标属性区域，在多个基准任务上达到最优。相关研究涉及能量模型、图卷积、多视图融合、贝叶斯优化、肽设计及半监督变分自编码器。