論文の概要: Solvent: Long-Horizon Reasoning for Multi-Step Retrosynthesis

• arxiv url: http://arxiv.org/abs/2610.32308v1
• Date: Fri, 23 Oct 2026 08:07:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.427791
• Title: Solvent: Long-Horizon Reasoning for Multi-Step Retrosynthesis
• Title（参考訳）: 溶媒:多段再合成のための長軸共振
• Abstract要約: 多段階のレトロシンセシスでは、連続した反応段階を通じて標的分子を精製可能な構造ブロックに変換する必要がある。 最近の研究は、タスクに取り組むための大きな言語モデル (LLM) の推論を描き始めている。 我々は,多段階のレトロ合成に長軸推論をうまく拡張する8B LLMの溶媒を導入する。
• 参考スコア（独自算出の注目度）: 57.039973851454114
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-step retrosynthesis requires recursively transforming a target molecule through successive reaction steps into purchasable building blocks, and recent work has begun to draw on large language model (LLM) reasoning to tackle the task. In its latest evolution, LLM reasoning has entered the long-horizon regime: models pursue objectives across interdependent steps, interact with environments, and adapt to feedback. This shift has markedly advanced LLM capabilities, as illustrated by breakthroughs in AI-driven mathematical research. At this frontier, we introduce Solvent, an 8B LLM that successfully extends long-horizon reasoning to multi-step retrosynthesis. Through a two-round post-training curriculum, Solvent learns to interleave iterative synthesis planning, external availability verification, and adaptive route revision. Experiments show that, following a $2.1\times$ performance boost from RL, Solvent scores 61.86% across four benchmarks, surpassing mid-scale language models and prior search-based retrosynthesis systems, and rivaling frontier trillion-parameter LLMs.
• Abstract（参考訳）: 多段階のレトロシンセシスでは、連続的な反応の段階を通じて標的分子を再帰的に購入可能なビルディングブロックに変換する必要があり、最近の研究は、その課題に取り組むために大きな言語モデル(LLM)の推論を導い始めている。 モデルは相互依存的なステップを越えて目的を追求し、環境と対話し、フィードバックに適応する。 このシフトは、AI駆動の数学的研究のブレークスルーによって示されているように、LLMの能力が著しく進歩した。 このフロンティアでは,多段階の逆合成に長軸推論をうまく拡張する8B LLMであるSolventを導入する。 2ラウンドのポストトレーニングカリキュラムを通じて、Solventは反復的な合成計画、外部可用性検証、適応的なルート修正をインターリーブすることを学ぶ。 実験の結果、RLから2.1\times$のパフォーマンス向上に続いて、Solventは4つのベンチマークで61.86%のスコアを獲得し、中規模言語モデルと以前の検索ベースのレトロシンセシスシステムを超え、フロンティアパラメータのLLMに匹敵する結果となった。

関連論文リスト

• RetroPlanner: Multi-Route Expansion and Multi-Objective Reasoning for LLM-Based Retrosynthesis Planning [9.034749473627846]
  多段階のレトロシンセプション計画は、購入可能な出発物質が見つかるとしばしば解決されるが、そのような経路は現実世界の化学でも実用的である。 近年のLSMベースのプランナーはこの過程をAND-ORグラフ上の逐次決定として定式化しているが、通常は1ターンに1分子を拡大し、可解性のみに最適化されている。 LLMベースのプランナーであるRetroPlannerを導入し、複数のルートを共同で比較し、高い合成性を目指して探索を行う。
  論文  参考訳（メタデータ） (2026-10-12T08:37:43Z)
• Hybrid LLM-Augmented Reinforcement Learning Agents for Complex Sequential Decision Tasks [0.0]
  大規模言語モデル(LLM)は、最近、推論、計画、ツール使用において強力な能力を示し、新しい形の自律エージェントを可能にした。 本稿では,LLM駆動型計画とRLに基づく行動最適化を統合したLLM強化型強化学習エージェントを提案する。
  論文  参考訳（メタデータ） (2026-08-04T11:44:07Z)
• The Road Less Traveled: Enhancing Exploration in LLMs via Sequential Sampling [39.65138471548881]
  強化学習(RL)は,大規模言語モデル(LLM)の推論能力の向上に重要である。 提案するSESA(Sequential SAmpling framework)は,多種多様なソリューションスケッチを逐次生成し,それらを完全な推論経路に拡張する。 合成課題における実験により, 逐次サンプリングは経路の多様性や崩壊からの回復の観点から, 従来のRL法よりも一貫して優れていた。
  論文  参考訳（メタデータ） (2025-10-17T10:15:11Z)
• DeepRetro: Retrosynthetic Pathway Discovery using Iterative LLM Reasoning [0.0]
  DeepRetroは、大規模言語モデル(LLM)、従来のレトロシンセティックエンジン、反復設計ループにおける専門家のフィードバックを密に統合する、新しいオープンソースのフレームワークである。 DeepRetroをオープンソースツールとしてリリースすることで、化学者がますます野心的な合成ターゲットに取り組むようにしたいと思っています。
  論文  参考訳（メタデータ） (2025-07-07T19:41:39Z)
• LLM-Augmented Chemical Synthesis and Design Decision Programs [18.41721617026997]
  反応経路を符号化する効率的な手法を導入し,新しい経路レベルの探索戦略を提案する。 我々は,LLMを付加したアプローチがレトロシンセプション計画に優れており,より広範な分子設計の課題に自然に及んでいることを示す。
  論文  参考訳（メタデータ） (2025-05-11T15:43:00Z)
• LLM2: Let Large Language Models Harness System 2 Reasoning [65.89293674479907]
  大規模言語モデル(LLM)は、無数のタスクにまたがって印象的な機能を示してきたが、時には望ましくない出力が得られる。 本稿では LLM とプロセスベースの検証器を組み合わせた新しいフレームワーク LLM2 を紹介する。 LLMs2は妥当な候補を生成するのに責任を持ち、検証者は望ましい出力と望ましくない出力を区別するためにタイムリーなプロセスベースのフィードバックを提供する。
  論文  参考訳（メタデータ） (2024-12-29T06:32:36Z)
• LLMRefine: Pinpointing and Refining Large Language Models via Fine-Grained Actionable Feedback [65.84061725174269]
  最近の大規模言語モデル(LLM)は、世代品質を改善するために人間のフィードバックを活用している。 LLMの出力を最適化する推論時間最適化手法であるLLMRefineを提案する。 機械翻訳、長文質問応答(QA)、話題要約を含む3つのテキスト生成タスクについて実験を行った。 LLMRefineは、すべてのベースラインアプローチを一貫して上回り、翻訳タスクの1.7 MetricXポイント、ASQAの8.1 ROUGE-L、トピックの要約の2.2 ROUGE-Lの改善を実現している。
  論文  参考訳（メタデータ） (2023-11-15T19:52:11Z)

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。