本文介绍了分子语言模型MolGen和基于扩散语言模型的文本导向分子生成方法TGM-DLM。MolGen通过多任务学习提升分子生成性能，而TGM-DLM克服了自回归方法的局限，能够生成特定描述的分子。此外，研究探讨了约束文本生成和多语种推理能力，并提出了高效的生成模型和AI创作助手CTGS，展示了在多个任务中的显著改进。

本文介绍了一种基于扩散语言模型的文本导向分子生成方法(TGM-DLM)，该方法克服了自回归方法的局限性，通过两阶段的扩散生成过程更新SMILES字符串中的标记嵌入。实验证明，TGM-DLM模型在生成具有特定属性的连贯准确分子方面优于自回归模型MolT5-Base，无需额外数据资源，为药物发现和相关科学领域开辟新途径。