Исследование представляет ST-PARM — инновационный фреймворк для выравнивания (alignment) замороженных языковых моделей белков, предназначенный для решения задач многокритериального дизайна. Основная проблема инженерии белков заключается в конфликте свойств: улучшение одного параметра часто ведет к деградации другого. Авторы предложили использовать сглаженную скаляризацию по методу Чебышёва и модель вознаграждения, учитывающую неопределенность (uncertainty-aware), что позволяет эффективно обходить невыпуклые области Парето. В ходе тестирования на дизайне флуоресценции/стабильности GFP и стабильности/растворимости нанотел IL-6, метод ST-PARM продемонстрировал более широкое покрытие фронта Парето и лучшую точность отслеживания предпочтений по сравнению с базовыми моделями PARM и MosPro. Использование стратегий построения пар в латентном пространстве обеспечивает высокую контролируемость генерации последовательностей даже при наличии шума в оценках. Результаты исследования закладывают фундамент для создания практических инструментов генерации белков с заданными, сбалансированными свойствами для последующих лабораторных испытаний.