逆合成不再只给反应物：先断键再配等价物，8B模型在稀有反应上把可行模板多样性从2.02提到3.43
逆合成预测从直接输出反应物，改为按化学家的断键思路分四步推理：产物分析、关键子结构识别、策略性断键、合成等价物映射。模型以SyntheticRetro生成的结构化理由做监督微调，再用往返奖励做强化学习，即把预测反应物送入正向合成模型、能重建原产物就给奖励。在ORDerly的500条主测试集上，RetroReasoner（RL）的Exact@1为0.526、Round-trip@1为0.826；在稀有原子/词元子集上，其可行比例0.557、模板多样性2.97，均高于同架构去掉显式推理的Prediction-Only（RL）的0.478与1.97。