arXiv cs.AI· Yifei Wang, Botian Wang, YiFei Wang, Jiangtao Feng, Xinbo Zhang, Yawen Ouyang, Yixin Wu, Lihao Wang, Xiaoqing Zheng, Xuanjing Huang, Hao Zhou·· 11 小时前AI 评分37
Solvent：面向多步逆合成的长程推理 8B 模型
Solvent: Long-Horizon Reasoning for Multi-Step Retrosynthesis
AI 导读
8B 模型 Solvent 将长程推理扩展到多步逆合成，通过两轮后训练课程学习交替进行迭代合成规划、外部可得性验证与路线自适应修正。经 RL 带来 2.1 倍性能提升后，Solvent 在四个基准上平均得分 61.86%，超过中等规模语言模型和此前基于搜索的逆合成系统，并可媲美前沿万亿参数 LLM。
正文 · AI 翻译
作者：Yifei Wang、Botian Wang、YiFei Wang、Jiangtao Feng、Xinbo Zhang、Yawen Ouyang、Yixin Wu、Lihao Wang、Xiaoqing Zheng、Xuanjing Huang、Hao Zhou
摘要：多步逆合成需要将目标分子通过连续的反应步骤递归地转化为可购买的基础砌块，近期的工作已开始借助大语言模型（LLM）推理来应对这一任务。在其最新演进中，LLM 推理已进入长时程阶段：模型在相互依赖的步骤中追求目标，与环境交互，并适应反馈。这一转变显著提升了 LLM 的能力，AI 驱动的数学研究中的突破便是一例。在这一前沿，我们推出 Solvent，一个 8B 的 LLM，成功将长时程推理扩展到多步逆合成。通过两轮后训练课程，Solvent 学会将迭代式合成规划、外部可得性验证和自适应路线修订交织进行。实验表明，在 RL 带来 $2.1\times$ 的性能提升后，Solvent 在四个基准上得分 61.86%，超越了中等规模的语言模型和先前的基于搜索的逆合成系统，并可与前沿的万亿参数 LLM 相媲美。
| 评论： | 49 页，18 幅图。代码：此 https URL；模型：此 https URL |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.32308 [cs.AI] |
| （或 arXiv:2610.32308v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.32308 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Wang Yifei [查看邮箱]
[v1]
2026 年 10 月 23 日星期五 08:07:43 UTC（1,887 KB）
来源：arXiv cs.AI · arxiv.org