逆合成分析——即识别用于合成目标分子的一组反应物的过程——在材料设计和药物发现中具有至关重要的作用。现有的基于语言模型和图神经网络的机器学习方法已经取得了令人鼓舞的成果。本文提出了一种框架，该框架将序列和图谱方法统一为具有不同能量函数的能量基模型（EBMs）。这种统一的视角通过全面评估性能，为各种能量基模型变体提供了关键见解。此外，我们还提出了一个新颖的双变体模型，该模型通过限制两个方向之间的一致性，在贝叶斯前向预测和后向预测中进行一致训练。此模型在无需模板的方法中（即反应类型未知的情况下）将最先进性能提高了9.6%。