AI 自动翻译
摘要：多步逆合成反应需要通过一系列连续的反应步骤，将目标分子逐步转化为可购买的构建模块；近期的研究开始借助大型语言模型（LLM）的推理能力来解决这一问题。在最新进展中，LLM推理已进入长时域阶段：模型能够在相互依赖的各步之间持续追求目标，与环境交互，并根据反馈进行自适应调整。这一转变显著提升了LLM的能力，人工智能驱动的数学研究领域也由此取得了突破性进展。在此前沿领域，我们提出了Solvent——一款拥有80亿参数的LLM，成功将长时域推理扩展至多步逆合成任务。通过两轮后训练课程，Solvent学会了在迭代式合成规划、外部可用性验证以及自适应路线修正之间灵活切换。实验表明，在强化学习使性能提升2.1倍之后，Solvent在四项基准测试中的得分达到61.86%，不仅超越了中等规模的语言模型和以往基于搜索的逆合成系统，更与处于前沿的万亿参数级LLM不相上下。
提交历史
访问 Paper：
查看PDF
HTML（实验性）
TeX 源代码
附加功能
音频摘要
当前浏览上下文：
参考文献与引用
谷歌学术
语义学者
书签
机构
arXivLabs 是一个框架，允许合作者直接在我们的网站上开发并共享新的 arXiv 功能。
无论是个人还是与 arXivLabs 合作的机构，都已认同并践行我们所倡导的开放、社区、卓越以及用户数据隐私等价值观。arXiv 致力于坚守这些价值，并且只与同样秉持这些价值观的合作伙伴开展合作。
您是否有一个能为 arXiv 社区创造价值的项目构想？欢迎了解更多关于 arXivLabs 的信息。