研究人员训练 C3LM 用于单步逆合成
该模型在约 4560 万条经验证反应上使用 Top-K 提示和合理性奖励。
为什么重要
论文认为，单一答案评估忽视了逆合成的一对多特性，而逆合成是计算机辅助合成规划中的关键任务。其发现 LLM 与传统模型会探索互补的反应空间，这指向了化学 AI 中集成系统的发展方向。
核心要点
- 1.C3LM 面向单步逆合成，并采用重视合理性的训练方式。
- 2.该数据集包含约 4560 万条经验证反应。
- 3.LLM 与传统模型或许最适合以集成方式协同工作。
研究人员推出了 C3LM，即用于单步逆合成的化学约束一致语言模型。该工作通过 Top-K 提示生成多样且合理的反应预测，并在 CREED-CCV-2+USPTO-XL 上进行训练；该数据集包含约 4560 万条经验证反应。经过微调，并结合基于 ChemCensor 的奖励和面向新颖性的奖励后，该模型报告称在分布外 URSA-expert-2026 基准测试上取得了当前最佳性能。
⚡ 今天就能用
评估逆合成模型时，应关注 Top-K 合理输出，而不只是单一答案准确率。
来源与原始报道
本简报汇总并链接到以下媒体的报道。
- arXiv cs.LGTraining Chemical Plausibility-Aware Large Language Models for Single-Step RetrosynthesisAug 20, 12:00 PM↗
- arXiv cs.AITraining Chemical Plausibility-Aware Large Language Models for Single-Step RetrosynthesisAug 20, 12:00 PM↗
- arXiv cs.CLTraining Chemical Plausibility-Aware Large Language Models for Single-Step RetrosynthesisAug 20, 12:00 PM↗
- HF Daily PapersTraining Chemical Plausibility-Aware Large Language Models for Single-Step RetrosynthesisAug 19, 4:00 AM↗
觉得这篇简报有用？下一篇直接送到你的邮箱。