RetroReasoner：用于战略逆合成预测的推理大语言模型

逆合成预测旨在根据目标产物推导反应物，传统方法耗时且依赖专家经验。现有分子大语言模型往往缺乏明确的战略推理能力。为此，本文提出 RetroReasoner，一种模仿化学家战略思维的逆合成推理模型。该模型结合监督微调与强化学习训练：前者引入 SyntheticRetro 框架生成结构化断键理由；后者利用往返合成准确率作为奖励机制。实验表明，RetroReasoner 在性能上超越基线，尤其在处理复杂反应实例时能生成更多可行的反应物方案。