逆合成算法被“陷阱分子”考出短板：三类选择性问题上，top-20 预测错误率最高达 100%
核心概要
研究团队提出“陷阱分子”这一对抗式评测思路：用 AI 智能体按反应 SMARTS 模板和 USPTO 反应记录，刻意设计含敏感基团、近似重复反应位点或大位阻基团的分子，专门诱导逆合成算法犯典型错误。在 100 个化学选择性、100 个区域选择性和 27 个位阻陷阱分子上，UAlign、SimpRetro、RetroChimera 三种不同原理的算法在 top-20 预测中均暴露出明显弱点，化学选择性、区域选择性和位阻三类问题的总体出错率分别为 66%–77%、85%–93% 和 92.6%–100%。
深度剖析
逆合成算法的评测从“答案是否在 top-k 里”扩展到“预测本身是否化学上可行”，办法是构造专门诱发典型错误的陷阱分子。 常用的 top-k 准确率只检查记录答案是否出现在预测中，不检查其余预测是否正确；solve rate 只问能否在有限步数内拆到可购原料，对路线质量说明很少。 在 100 个化学选择性陷阱分子上，预置匹配测试命中 UAlign 51 个、SimpRetro 58 个、RetroChimera 56 个；加入智能体判定与人工确认后分别增至 66、77、71 个。
陷阱分子由 AI 智能体按化学设计意图生成，而不是从现有数据里挑难题。 化学选择性和位阻陷阱以 100 个常用反应 SMARTS 模板为引导，区域选择性陷阱则改写 USPTO 中的具体反应 SMILES 记录。 区域选择性陷阱要求底物带有两个及以上处于相近但非等价环境的反应中心，例如苯环上仅以甲基与乙基区分两个酯基；27 个位阻陷阱则在反应中心周围引入叔丁基等大基团。
智能体判定能抓到预置匹配漏掉的错误，说明规则式预设测试需要补充。 预置匹配只比对预先定义的错误反应，本质上只能验证算法是否犯了预期中的常见错误，可能低估问题。 智能体判定加人工确认在化学选择性上为三种算法各新增 15、19、15 个命中，在区域选择性上新增 36、40、24 个，位阻上新增 4、0、2 个。
启示与展望
评测覆盖 UAlign、SimpRetro、RetroChimera 三种不同设计原理的逆合成算法，在化学选择性、区域选择性和位阻三类陷阱分子上各取 top-20 单步预测；陷阱集规模为 100、100 和 27 个分子，判定结合预置匹配、智能体判定与人工确认。
预测反应未给出完整反应条件，化学选择性主要按常用条件判断，可能引入误差；区域选择性是在假定预测反应能够进行的前提下评估；部分位阻陷阱分子可能本身就没有高效合成方法，而模型被要求必须输出预测时会推高问题出现概率；智能体判定目前受成本与计算速度限制。