Solvent：面向多步逆合成的长程推理模型

8B 模型 Solvent 将长程推理用于多步逆合成，四基准均分 61.86%。

资讯摘要

论文提出 Solvent，一个 8B 参数的大语言模型，用于多步逆合成。作者称其通过两轮后训练课程，学习交替进行迭代合成规划、外部可购性验证与路线自适应修订；经强化学习后性能提升 2.1 倍，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，并可与前沿万亿参数模型相比。

要点速读

1. Solvent 为 8B 参数 LLM，采用两轮后训练课程，学习迭代规划、外部可购性验证与路线修订的交替执行。
2. 作者报告强化学习带来 2.1 倍性能提升，四个基准平均得分 61.86%。
3. 论文称该结果超过中等规模语言模型与既往基于搜索的逆合成系统，并可与前沿万亿参数 LLM 相比。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/27 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。