论文页面 - 训练具有化学合理性感知的单步逆合成大语言模型

来源：https://huggingface.co/papers/2608.18940

本研究扩展了先前提出的用于单步逆合成的ChemCensor框架（https://arxiv.org/abs/2602.03554）。该研究针对逆合成预测的一对多特性，即目标分子可能对应多种化学上有效的合成路径，使得单一答案和精确匹配评估方式显得不足。研究引入了Top‐K提示和训练方法，以生成多个多样化的反应提案，而非单一预测断开点。

新版本C3LM模型在CREED-CCV-2+USPTO-XL数据集上进行训练，该扩展数据集包含约4560万个经专家编码模板验证的反应。结合Top‐K策略，更大的训练集使C3LM模型能够在URSA-expert-2026基准测试中与强传统非大语言模型逆合成模型相抗衡——在某些场景下甚至超越后者。

此外，研究表明由新C3LM模型与最佳传统模型生成的反应化学空间是互补而非相交的，这使得如果将新模型整合进合成规划引擎，其贡献将更为显著。