Solvent: Long-Horizon Reasoning for Multi-Step Retrosynthesis

📄 arXiv: 2610.32308v1 📥 PDF

作者: Yifei Wang, Botian Wang, YiFei Wang, Jiangtao Feng, Xinbo Zhang, Yawen Ouyang, Yixin Wu, Lihao Wang, Xiaoqing Zheng, Xuanjing Huang, Hao Zhou

分类: cs.AI

发布日期: 2026-10-23

备注: 49 pages, 18 figures. Code: https://github.com/alden199/Solvent ; Model: https://huggingface.co/Alden19910/Solvent

💡 一句话要点

提出Solvent以解决多步逆合成中的长远推理问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 多步逆合成 长远推理 大型语言模型 强化学习 化学合成

📋 核心要点

  1. 现有的多步逆合成方法在处理长远推理时面临挑战，难以有效整合多个反应步骤的相互依赖性。
  2. Solvent通过两轮后训练课程，结合迭代合成规划和外部验证，提升了模型在逆合成任务中的表现。
  3. 实验结果表明，Solvent在四个基准测试中得分61.86%，相较于传统方法有显著提升，显示出其强大的推理能力。

📝 摘要（中文）

多步逆合成需要通过连续的反应步骤将目标分子转化为可购买的构建块。近期的研究开始利用大型语言模型（LLM）推理来解决这一任务。本文介绍了Solvent，一个8B参数的LLM，成功将长远推理扩展到多步逆合成。通过两轮后训练课程，Solvent学习交替进行迭代合成规划、外部可用性验证和自适应路线修订。实验结果显示，经过强化学习的$2.1 imes$性能提升，Solvent在四个基准测试中得分61.86%，超越中型语言模型和先前的基于搜索的逆合成系统，接近前沿的万亿参数LLM。

🔬 方法详解

问题定义：多步逆合成需要将目标分子通过多个反应步骤转化为可购买的构建块，现有方法在处理长远推理和反应步骤的相互依赖性时存在不足。

核心思路：Solvent通过引入长远推理机制，结合迭代合成规划和外部可用性验证，能够更有效地处理多步逆合成任务。

技术框架：Solvent的整体架构包括两个主要模块：迭代合成规划模块和外部可用性验证模块。模型通过两轮后训练课程进行学习，逐步优化推理过程。

关键创新：Solvent的主要创新在于将长远推理与多步逆合成结合，能够在多个步骤之间进行有效的反馈和调整，这与传统的基于搜索的方法有本质区别。

关键设计：在模型设计中，Solvent采用了强化学习进行性能提升，设置了特定的损失函数以优化推理过程，并调整了网络结构以适应复杂的合成路径。

🖼️ 关键图片

fig_0

📊 实验亮点

Solvent在四个基准测试中得分61.86%，相较于中型语言模型和传统搜索方法有显著提升，经过强化学习后性能提升达$2.1 imes$，显示出其在多步逆合成任务中的竞争力。

🎯 应用场景

该研究的潜在应用领域包括药物发现、材料科学和化学合成等。通过提高逆合成的效率，Solvent能够加速新分子的设计与开发，具有重要的实际价值和未来影响。

📄 摘要（原文）

Multi-step retrosynthesis requires recursively transforming a target molecule through successive reaction steps into purchasable building blocks, and recent work has begun to draw on large language model (LLM) reasoning to tackle the task. In its latest evolution, LLM reasoning has entered the long-horizon regime: models pursue objectives across interdependent steps, interact with environments, and adapt to feedback. This shift has markedly advanced LLM capabilities, as illustrated by breakthroughs in AI-driven mathematical research. At this frontier, we introduce Solvent, an 8B LLM that successfully extends long-horizon reasoning to multi-step retrosynthesis. Through a two-round post-training curriculum, Solvent learns to interleave iterative synthesis planning, external availability verification, and adaptive route revision. Experiments show that, following a $2.1\times$ performance boost from RL, Solvent scores 61.86% across four benchmarks, surpassing mid-scale language models and prior search-based retrosynthesis systems, and rivaling frontier trillion-parameter LLMs.