单步逆合成天然是一对多问题：同一目标可能对应多种可信反应。论文认为，单答案评测难以反映这种多样性，因此把重点从“命中唯一参考答案”转向“给出一组合理候选”，并提出同时用于训练和推理的 Top-K prompting。
从单答案转向 Top-K
Top-K 在本文中不只用于推理阶段，而是一套覆盖训练与推理的范式，目标是获得更多样、可信的反应预测。材料未披露提示模板、K 值或流程细节，因此尚不能判断具体实现成本。
作者汇集 CREED-CCV-2+USPTO-XL，其中包含约 4560 万条已验证反应，并据此训练 C3LM（Chemistry Constraint-Consistent Language Model）。微调还结合基于 ChemCensor 的奖励和新颖性导向奖励，同时强调化学合理性与候选空间探索。
分布外结果与互补空间
论文称，C3LM 在分布外 URSA-expert-2026 专家基准上达到当前最佳水平，说明这一训练方向具备竞争力。不过摘要没有给出具体分数、对比基线和提升幅度，也无法拆分超大规模数据、Top-K 与两类奖励各自的贡献。
反应唯一性分析显示，大语言模型与传统模型探索的反应空间相互补充。这为集成式逆合成提供了依据，但材料并未报告集成系统的实际增益，不能把“互补”直接等同于“组合后必然更强”。
我的判断
这项工作的核心价值，是让训练目标更贴近单步逆合成的一对多本质，而不是继续由单一参考答案主导评价。大规模已验证反应数据、合理性奖励和分布外专家基准，构成了较完整的方法链条。
边界也很明确：现有信息只支持单步任务，不能外推到多步合成规划；不同 K 值、反应类型和真实流程中的稳定性仍不清楚。对开发者而言，Top-K 与传统模型集成值得跟进，但在完整指标、消融实验和实际验证出现前，更适合视为有潜力的候选生成路线。