研究者提出RetroRLFF单步逆合成方法

研究者提出一种名为 RetroRLFF 的单步逆合成方法，用前向反馈强化学习来优化反应物生成。该方法从监督式 decoder-only Transformer 出发，借助冻结的前向反应模型预测产物，以序列级奖励同时考虑参考一致性和前向一致性，并用 Direct Advantage-Based Policy Optimization 更新策略。 据作者称，这一设计旨在让生成的反应物既贴近参考答案，又能正向反应回目标产物。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。