Solvent：面向多步逆合成的长程推理 8B 模型

Solvent 是一个 8B 大语言模型，将长程推理扩展到多步逆合成，通过两轮后训练课程学习交替进行迭代合成规划、外部可得性验证与路线自适应修订。经 RL 带来 2.1 倍性能提升后，Solvent 在四个基准上得分 61.86%，超过中等规模语言模型和此前基于搜索的逆合成系统，可与前沿万亿参数 LLM 匹敌。