RetroRLFF：前向反馈强化学习单步逆合成

2026年10月14日，arXiv Artificial Intelligence 出现由 Zixun Lan 等作者提交的论文，提出名为 RetroRLFF 的单步逆合成方法。据该报道，RetroRLFF 从监督式 decoder-only Transformer 出发，使用冻结的前向反应模型预测产物，以序列级奖励结合参考一致性与前向一致性，并通过 Direct Advantage-Based Policy Optimization 更新策略。报道称其优化反应物生成时同时考虑与参考的一致性以及与目标产物的前向一致性。目前该事件仅有这一篇报道，尚无后续跟进或相互矛盾的说法。

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。