Solvent 是一个 8B 参数的大语言模型，针对多步逆合成的长时序推理进行优化。模型通过两轮后训练课程学习在合成规划、外部可得性验证和路线自适应修正之间交叉进行。具体流程如下：在每一步，模型先生成候选前体，然后查询外部数据库确认其商业可得性；若不可得，模型依据反馈重新规划路径。该循环在强化学习阶段使用奖励 $R = \sum_{i=1}^{N} r_i$ 进行优化，其中 $r_i$ 为第 i 步的可得性得分。实验在四个基准上评估，经过强化学习后性能提升 $2.1\times$，最终在所有基准上取得 61.86% 的成功率，超过中等规模模型和传统搜索系统，接近万亿参数模型的水平。
点评：Solvent 展示了 LLM 在化学合成规划中的长时程推理潜力，尤其是通过交互式验证与自适应修正实现了显著的性能跃迁。