論文の概要: Rachel: A general-purpose language model directs and revises retrosynthetic routes

• arxiv url: http://arxiv.org/abs/2609.25118v1
• Date: Sun, 20 Sep 2026 12:50:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.039392
• Title: Rachel: A general-purpose language model directs and revises retrosynthetic routes
• Title（参考訳）: Rachel: 汎用言語モデルがレトロシンセティックなルートを指示し、修正する
• Abstract要約: レイチェルは LLM 指向の化学反応を実行し、チェックするステートフルな環境であるが、探索ポリシーも停止規則も規定していない。 GPT-5.5は120個のPaRoutes120の目標のうち111個と25個の目標のうち24個をRF25の目標として厳格に閉鎖した。 記録トラジェクトリーは、モデルが提案する化学反応を継続し、改良された戦略をその後のステップで実行した。
• 参考スコア（独自算出の注目度）: 20.170095087174534
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Retrosynthetic planning advances through decisions that reshape the remaining chemical problem: a locally plausible disconnection can leave precursors whose chemoselectivity constraints complicate the rest of the route. Existing planners often channel model proposals through search or template procedures, leaving open whether a general-purpose large language model (LLM) can itself sustain and revise route strategy. We developed Rachel, a stateful environment that executes and checks LLM-directed chemistry but prescribes neither a search policy nor a stopping rule. Without supplied reference routes or route-level solutions, GPT-5.5 achieved strict closure for 111 of 120 PaRoutes120 targets and 24 of 25 targets in the separate RF25 difficult-target cohort. RF25 was drawn largely from studies published after GPT-5.5's reported knowledge cutoff. Closure required complete routes and independent source resolution of every terminal precursor after planning. On a shared PaRoutes subset, forward-model support exceeded that of most comparator methods, and Rachel received the highest mean overall route score from both method-blinded LLM evaluators. Recorded trajectories showed continued model-proposed chemistry, with revised strategies carried into subsequent steps. Replacing LLM route decisions with fixed policies reduced strict closure to 6-15/120 despite continued local chemical execution; restricting planning support also reduced closure in RF25. Within Rachel, a general-purpose LLM coordinated successive chemical choices and revised its strategy as earlier decisions reshaped the remaining problems.
• Abstract（参考訳）: 再合成計画 (retrosynthetic planning) は、残りの化学問題を再形成する決定を通じて進行する: 局所的な可塑性切断は、化学選択性の制約が経路の残りの部分を複雑にする前駆体を残すことができる。 既存のプランナーは、しばしば検索やテンプレートの手順を通じてモデルの提案を流し、汎用の大規模言語モデル(LLM)がルート戦略そのものを維持・修正できるかどうかをオープンにしておく。 我々は,LLMを指向した化学反応を実行・チェックするが,探索ポリシーや停止規則を規定しないステートフルな環境であるRachelを開発した。 供給された基準ルートやルートレベルのソリューションがなければ、GPT-5.5は120 PaRoutes120の目標のうち111と25の目標のうち24の目標に対して厳格なクロージャを達成した。 RF25は、GPT-5.5の報告された知識遮断の後に発表された研究から大きく引き出された。 閉鎖は計画後にすべてのターミナル前駆体の完全なルートと独立したソース解決を必要とした。 共有されたPaRoutesサブセットでは、フォワードモデルサポートがほとんどのコンパレータメソッドよりも優れており、Rachelは両メソッドのLLM評価器から平均的なルートスコアを得た。 記録された軌道は、モデルが提案する化学反応を継続し、その後に修正された戦略が実行された。 LLMのルート決定を固定されたポリシーで置き換えることで、局所的な化学処理が継続されているにもかかわらず、厳密な閉鎖を6-15/120に減らし、計画支援も制限され、RF25の閉鎖も制限された。 レイチェルでは、汎用LSMが一連の化学選択を調整し、その戦略を以前の決定が残りの問題を形作るように修正した。

関連論文リスト

• Selective Regenerative Decoding: Trajectory-Level Intervention for Inference-Time Reasoning [12.065412919637525]
  Selective Regenerative Decodingは、各候補がサフィックスの劣化した部分だけを捨てたり、保存したり、洗練したりするためのルートである。 SRDは、リジェクションサンプリングよりも1.28から1.36倍のサンプル効率向上を実現している。 MATH500、GPQAダイアモンド、HotpotQA、AlpacaEvalを複数生成逆モデルペアで比較すると、SRDはNの精度とほぼ少ない生成トークンで一致している。
  論文  参考訳（メタデータ） (2026-08-25T10:01:56Z)
• A-SR: Self-Evolving Agentic LLMs for Symbolic Regression via Hierarchical Coordination [51.06539604709775]
  本稿では、制御ユニットを表現編集からロール条件のエビデンスビューへシフトさせる自己進化型エージェントフレームワークであるA-SRを提案する。 A-SRは、コーディネートプロトコル、オンライン評価器・リワードロールポリシー、および状態制御プロセスメモリ間のルーティングによる公式発見をコーディネートする。
  論文  参考訳（メタデータ） (2026-08-05T14:01:10Z)
• LLMZero: Discovering Adaptive Training Strategies for RL Post-Training via LLM Agents [51.74109282213905]
  トレーニング後の戦略はデータセットに依存しており、繰り返し発生する経験的パターンを明らかにする。 正規化パラメータは、シフトトレーニングのダイナミクスに応答して発振する。 我々は,LLMエージェントが木探索を通じて学習軌跡を探索するシステムを用いた。
  論文  参考訳（メタデータ） (2026-06-16T18:33:08Z)
• Mosaic: An Extensible Framework for Composing Rule-Based and Learned Motion Planners [5.399177691034965]
  学習プランナーは強い適応性を示すが、透明性の低下と時折の安全違反に悩まされる。 我々は、調停グラフを通じて両方のパラダイムを統合する構造化決定のためのフレームワークであるMosaicを紹介する。 実験的評価において、MosaicはVal14のクローズドループベンチマークで95.48 CLS-NRと93.98 CLS-Rを達成した。
  論文  参考訳（メタデータ） (2026-04-15T13:23:47Z)
• Beyond Final Answers: CRYSTAL Benchmark for Transparent Multimodal Reasoning Evaluation [3.23600523782706]
  CRYSTAL (Clear Reasoning via Yielded Steps, Traceability, and Logic)は6,372インスタンスの診断ベンチマークである。 本稿では,意味的類似性マッチングによるステップレベルの精度とリコールをスコアするMatch F1と,乱れた推論連鎖をペナルティ化するOrdered Match F1の2つの相補的指標を提案する。 CPR-CurriculumはGRPOによるMatch F1の32%の改善を実現している。
  論文  参考訳（メタデータ） (2026-03-13T15:48:15Z)
• Save the Good Prefix: Precise Error Penalization via Process-Supervised RL to Enhance LLM Reasoning [59.76691952347156]
  強化学習(RL)は,大規模言語モデル(LLM)の推論能力向上のための強力なフレームワークとして登場した。 既存のRLアプローチの多くは疎結果報酬に依存しており、部分的に成功した解では正しい中間段階を信用できない。 本稿では、PRMを用いてRL中の最初のエラーをローカライズする検証済み事前修正ポリシー最適化(VPPO)を提案する。
  論文  参考訳（メタデータ） (2026-01-26T21:38:20Z)
• Enhancing Long Chain-of-Thought Reasoning through Multi-Path Plan Aggregation [32.86351316550696]
  我々は、生の長いCoTを分析し、計画と実行ステップからなる推論階層を明らかにする。 本研究の目的は,計画探索と集約による単一パス推論を増強するMPPA(Multi-Path Plan Aggregation)を提案することである。 これを解決するために, Twisted Sequential Monte Carlo (TSMC) を利用するプロセスレベルの優先度最適化スキームであるStep-DPOを導入する。
  論文  参考訳（メタデータ） (2025-10-13T17:02:41Z)
• PrismRAG: Boosting RAG Factuality with Distractor Resilience and Strategized Reasoning [57.89188317734747]
  PrismRAGはこのモデルを、イントラクタを意識したQAペアで訓練し、金の証拠と微妙なイントラクタパスを混合する。 LLMを計画し、合理化し、人間工学的な指示に頼らずに合成する推論中心の習慣を取り入れている。
  論文  参考訳（メタデータ） (2025-07-25T00:15:31Z)
• Retrosynthetic Planning with Dual Value Networks [107.97218669277913]
  我々は、PDVN(Planning with Dual Value Networks)と呼ばれる新しいオンライントレーニングアルゴリズムを提案する。 PDVNは計画段階と更新段階を交互に行い、分子の合成性とコストを予測する。 広く使われているUSPTOデータセットでは、PDVNアルゴリズムが既存のマルチステッププランナの探索成功率を改善する。
  論文  参考訳（メタデータ） (2023-01-31T16:43:53Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。