這項由伊利諾伊大學(xué)厄巴納-香檳分校的徐瑞霖、張一凡等研究者，與威廉瑪麗學(xué)院、基因泰克公司合作完成的研究，發(fā)表于2025年1月的arXiv預(yù)印本平臺，論文編號為arXiv:2510.07731v2。該研究構(gòu)建了全球首個大規(guī)模有機化學(xué)反應(yīng)機制推理基準(zhǔn)oMeBench，專門用于評估大型語言模型在化學(xué)反應(yīng)機制推理方面的能力。

當(dāng)我們看到一個化學(xué)反應(yīng)時，比如氫氣和氧氣燃燒生成水，我們知道反應(yīng)物和產(chǎn)物，但反應(yīng)是如何一步步發(fā)生的呢？這就像看到一道菜的原料和成品，卻不知道具體的烹飪步驟一樣?；瘜W(xué)反應(yīng)機制就是這個"烹飪食譜"——它詳細描述了分子如何一步步變化，鍵如何斷裂和形成，最終達到我們看到的結(jié)果。

傳統(tǒng)上，推斷這些反應(yīng)機制需要化學(xué)家憑借多年的訓(xùn)練和經(jīng)驗，就像資深廚師能夠通過觀察食材推斷出復(fù)雜菜品的制作過程。隨著人工智能的發(fā)展，研究者們開始思考：能否讓AI也具備這樣的"化學(xué)直覺"？現(xiàn)有的AI系統(tǒng)在預(yù)測化學(xué)反應(yīng)的產(chǎn)物方面表現(xiàn)不錯，但在解釋反應(yīng)是如何發(fā)生的——也就是推理反應(yīng)機制方面，還缺乏系統(tǒng)性的評估工具。

研究團隊發(fā)現(xiàn)，雖然大型語言模型在許多化學(xué)任務(wù)上表現(xiàn)出色，比如合成設(shè)計、產(chǎn)物預(yù)測等，但機制推理這個化學(xué)的核心能力卻很少被深入研究。這就像我們知道AI能夠識別各種菜品，卻不知道它是否真正理解這些菜是怎么做出來的。為了填補這個空白，研究團隊構(gòu)建了oMeBench這個專門的評估基準(zhǔn)。

一、構(gòu)建化學(xué)推理的"試金石"：oMeBench數(shù)據(jù)集的誕生

oMeBench的構(gòu)建過程就像編寫一本包含上萬道化學(xué)"食譜"的百科全書。研究團隊沒有采用簡單的自動化方法，而是像米其林指南的評審員一樣，精心挑選和標(biāo)注每一個反應(yīng)機制。

整個數(shù)據(jù)集包含三個層次，就像一個餐廳的菜譜體系。首先是"金標(biāo)準(zhǔn)"數(shù)據(jù)集oMe-Gold，包含196個從權(quán)威化學(xué)教科書和數(shù)據(jù)庫中精選的反應(yīng)，每個反應(yīng)都經(jīng)過專家驗證，就像米其林三星餐廳的招牌菜。這些反應(yīng)涵蓋了從簡單的酸堿反應(yīng)到復(fù)雜的重排反應(yīng)，難度分為簡單、中等和困難三個等級。

接著是"模板"數(shù)據(jù)集oMe-Template，包含167個反應(yīng)模板。這些模板就像通用的烹飪技法，比如"炒"這個動作可以應(yīng)用到不同的食材上。在化學(xué)中，同一類反應(yīng)可以通過改變?nèi)〈鶊F來產(chǎn)生許多變體，這些模板捕捉了這種通用性。

最后是"銀標(biāo)準(zhǔn)"數(shù)據(jù)集oMe-Silver，包含2508個反應(yīng)。這是通過AI輔助擴展模板數(shù)據(jù)集得到的，就像用基礎(chǔ)食譜衍生出更多變化版本。雖然這些反應(yīng)在化學(xué)上合理，但不一定都有文獻驗證。

每個反應(yīng)都包含詳細的步驟注釋，包括反應(yīng)類型、中間體結(jié)構(gòu)、權(quán)重分配和自然語言解釋。這就像為每道菜不僅提供了步驟，還解釋了為什么要這樣做，比如"此時加鹽是為了鎖住水分"。研究團隊還設(shè)計了一套完整的分類系統(tǒng)，將反應(yīng)步驟分為8大類型和30個子類型，涵蓋了有機化學(xué)中幾乎所有的基本反應(yīng)類型。

特別值得一提的是，研究團隊在數(shù)據(jù)質(zhì)量控制上花費了大量精力。每個反應(yīng)都由兩名化學(xué)專家獨立標(biāo)注，分歧由第三名專家解決，確保了數(shù)據(jù)的準(zhǔn)確性和一致性。這種嚴格的質(zhì)控過程就像頂級餐廳對每道菜的反復(fù)試制和調(diào)整。

二、創(chuàng)新評估方法：oMeS動態(tài)評分系統(tǒng)

傳統(tǒng)的評估方法就像用固定模板檢查作業(yè)，要么完全正確，要么完全錯誤。但化學(xué)反應(yīng)機制的推理更加復(fù)雜，就像評判一道菜不能只看最終味道，還要考慮烹飪技法、食材搭配等多個維度。

研究團隊開發(fā)的oMeS評估系統(tǒng)就像一位經(jīng)驗豐富的化學(xué)老師，能夠從多個角度評判AI的表現(xiàn)。這個系統(tǒng)包含四個關(guān)鍵指標(biāo)，就像從四個不同角度評價一道菜。

首先是"有效性得分"，檢查AI生成的化學(xué)結(jié)構(gòu)是否合法。這就像檢查菜譜中的食材是否真實存在，不能寫出"獨角獸肉"這樣的虛構(gòu)材料。在化學(xué)中，這意味著生成的分子結(jié)構(gòu)必須符合化學(xué)規(guī)則，能夠被標(biāo)準(zhǔn)軟件解析。

其次是"邏輯性得分"，評估反應(yīng)步驟的類型是否正確。這類似于判斷烹飪步驟的順序是否合理，不能在生菜還沒洗的時候就開始炒制。在化學(xué)中，這意味著每一步反應(yīng)的類型標(biāo)注要與實際的化學(xué)變化相符。

然后是"嚴格匹配得分"，要求預(yù)測的中間體與標(biāo)準(zhǔn)答案完全一致。這就像要求復(fù)制一道經(jīng)典菜品，每個細節(jié)都不能偏差。

最后是"部分匹配得分"，允許化學(xué)結(jié)構(gòu)在保持相似性的前提下有一定差異。這就像評判一道創(chuàng)新菜品，雖然與原版不完全相同，但如果在核心特征上相似，也可以獲得部分分數(shù)。

oMeS系統(tǒng)最創(chuàng)新的地方在于其動態(tài)對齊算法。傳統(tǒng)方法就像用直尺量曲線，而oMeS則像用柔軟的絲帶貼合曲線。當(dāng)AI預(yù)測的反應(yīng)步驟與標(biāo)準(zhǔn)答案在數(shù)量或順序上不完全匹配時，系統(tǒng)能夠智能地找到最佳對應(yīng)關(guān)系，就像一位經(jīng)驗豐富的老師能夠理解學(xué)生答案中的合理部分，即使表達方式與標(biāo)準(zhǔn)答案不同。

這種動態(tài)對齊特別重要，因為同一個化學(xué)反應(yīng)可能有多種合理的表述方式，就像同一道菜可能有不同的做法。系統(tǒng)會優(yōu)先考慮化學(xué)上更合理的對應(yīng)關(guān)系，而不是簡單的字符串匹配。

三、AI的化學(xué)"成績單"：當(dāng)前模型的表現(xiàn)分析

研究團隊測試了14個不同的大型語言模型，就像讓不同水平的學(xué)生參加同一場化學(xué)考試。測試結(jié)果揭示了當(dāng)前AI在化學(xué)推理方面的真實水平，既有令人驚喜的地方，也暴露了明顯的不足。

最優(yōu)秀的學(xué)生是Gemini-Pro-2.5，在部分匹配得分上達到了37.9分，這意味著它能夠正確理解和推理約38%的反應(yīng)機制步驟。這個成績在AI領(lǐng)域算是不錯的，但如果換算成傳統(tǒng)的百分制考試，仍然只是勉強及格的水平。

更令人擔(dān)憂的是，隨著反應(yīng)難度的增加，所有模型的表現(xiàn)都出現(xiàn)了明顯下滑。在簡單反應(yīng)上，最好的模型能達到60%以上的準(zhǔn)確率，但在困難反應(yīng)上，準(zhǔn)確率往往降到20%以下。這就像學(xué)生在做基礎(chǔ)題時還能應(yīng)付，但遇到復(fù)雜的綜合題就束手無策了。

研究團隊發(fā)現(xiàn)了一個有趣現(xiàn)象：專門在化學(xué)文獻上訓(xùn)練的AI模型表現(xiàn)反而不如通用的大型語言模型。這就像專門背誦化學(xué)公式的學(xué)生在實際推理時反而不如那些理解能力更強的學(xué)生。這說明僅僅接觸大量化學(xué)文獻并不足以培養(yǎng)真正的化學(xué)推理能力。

通過詳細分析錯誤類型，研究團隊發(fā)現(xiàn)AI主要在三個方面存在問題。首先是化學(xué)知識錯誤，比如誤解反應(yīng)條件或錯誤識別活性位點，就像把糖當(dāng)成鹽放進菜里。其次是機制和程序錯誤，比如跳過關(guān)鍵步驟或進行不合邏輯的跳躍，就像做菜時忘記了某個關(guān)鍵步驟。最后是結(jié)構(gòu)和格式化錯誤，比如生成無效的化學(xué)結(jié)構(gòu)，就像寫出了語法錯誤的句子。

特別值得注意的是，AI在處理較長的反應(yīng)機制時表現(xiàn)尤其糟糕。隨著反應(yīng)步驟的增加，錯誤會累積和放大，就像多米諾骨牌效應(yīng)一樣。這表明當(dāng)前的AI還缺乏維持長期邏輯一致性的能力。

研究還發(fā)現(xiàn)，不同類型的反應(yīng)對AI來說難度差異很大。簡單的取代和加成反應(yīng)相對容易處理，但涉及重排、周環(huán)反應(yīng)和自由基化學(xué)的復(fù)雜機制就讓AI感到困難重重。這就像學(xué)生在處理基礎(chǔ)運算時沒問題，但遇到復(fù)雜的幾何證明就不知所措了。

四、提升AI化學(xué)推理的"輔導(dǎo)方案"

面對AI在化學(xué)推理方面的不足，研究團隊探索了兩種主要的改進策略，就像為學(xué)習(xí)困難的學(xué)生設(shè)計了兩套輔導(dǎo)方案。

第一種方案是"示例學(xué)習(xí)法"，也就是上下文學(xué)習(xí)。這就像在考試時給學(xué)生提供幾個類似題目的解答步驟作為參考。研究團隊從訓(xùn)練數(shù)據(jù)中選擇與待解決問題最相似的三個反應(yīng)作為示例，讓AI在看到這些"樣板答案"后再嘗試解決新問題。

結(jié)果顯示，這種方法對幾乎所有模型都有顯著幫助，特別是對于大型的前沿模型效果更明顯。比如GPT-5在使用示例學(xué)習(xí)后，性能提升了20多個百分點，就像一個原本及格邊緣的學(xué)生突然能考到良好水平。這說明AI確實具備一定的類比和遷移學(xué)習(xí)能力，能夠從相似的例子中學(xué)到解題思路。

第二種方案是"專門訓(xùn)練法"，也就是監(jiān)督微調(diào)。這就像讓學(xué)生專門練習(xí)化學(xué)題目，通過大量的題目訓(xùn)練來提高解題能力。研究團隊使用oMe-Silver數(shù)據(jù)集對幾個開源模型進行了專門的化學(xué)推理訓(xùn)練。

微調(diào)的效果更加顯著。原本表現(xiàn)平平的4B參數(shù)的Qwen-3模型在專門訓(xùn)練后，竟然能夠超越某些大型的商業(yè)模型。這就像一個普通學(xué)生通過刻苦訓(xùn)練，最終超越了原本成績更好的同學(xué)。最令人驚喜的是，經(jīng)過訓(xùn)練的小模型在某些指標(biāo)上比基準(zhǔn)模型提高了50%以上。

研究團隊還嘗試了"思維鏈訓(xùn)練"，即在訓(xùn)練數(shù)據(jù)中加入詳細的推理過程解釋。這就像不僅教學(xué)生正確答案，還解釋每一步的思考過程。雖然這種方法的改進幅度相對較小，但確實有助于提高AI推理的穩(wěn)定性和可解釋性。

有趣的是，研究發(fā)現(xiàn)示例學(xué)習(xí)和專門訓(xùn)練可以相互補充。即使是經(jīng)過專門訓(xùn)練的模型，在使用示例學(xué)習(xí)時仍能獲得額外的性能提升，就像優(yōu)秀的學(xué)生在看到更多好的例子后還能進一步提高。

這些改進方法的成功說明了兩個重要問題。首先，當(dāng)前AI在化學(xué)推理方面的不足很大程度上是可以通過適當(dāng)?shù)挠?xùn)練來彌補的，這為未來的發(fā)展提供了希望。其次，AI確實能夠?qū)W會化學(xué)推理的某些方面，雖然還遠未達到人類化學(xué)家的水平，但已經(jīng)顯示出了可喜的進步。

五、突破傳統(tǒng)評估的技術(shù)創(chuàng)新

oMeBench在技術(shù)實現(xiàn)上有許多創(chuàng)新之處，這些創(chuàng)新就像為傳統(tǒng)的考試系統(tǒng)安裝了智能化組件，讓評估變得更加精準(zhǔn)和公平。

在數(shù)據(jù)構(gòu)建方面，研究團隊采用了人機協(xié)作的方式。AI負責(zé)初步的格式轉(zhuǎn)換和擴展工作，就像一個勤奮的助手幫忙整理材料，而人類專家則負責(zé)質(zhì)量把關(guān)和最終驗證，確保每個反應(yīng)機制都符合化學(xué)原理。這種方式既保證了數(shù)據(jù)的準(zhǔn)確性，又大大提高了構(gòu)建效率。

評估系統(tǒng)的核心技術(shù)是動態(tài)對齊算法。傳統(tǒng)的字符串匹配就像用硬尺子衡量軟物體，而動態(tài)對齊則像用軟尺貼合物體的輪廓。當(dāng)AI預(yù)測的反應(yīng)步驟與標(biāo)準(zhǔn)答案在數(shù)量或順序上存在差異時，算法能夠智能地找到最佳匹配方案，避免因為表述方式不同而錯誤扣分。

在相似性計算方面，系統(tǒng)使用了分子指紋技術(shù)來判斷化學(xué)結(jié)構(gòu)的相似性。這就像用DNA比對來判斷生物的親緣關(guān)系一樣，通過分析分子的結(jié)構(gòu)特征來計算相似度。這種方法比簡單的字符串比較更加科學(xué)和準(zhǔn)確。

權(quán)重分配機制是另一個重要創(chuàng)新。不同的反應(yīng)步驟在機制中的重要性不同，就像菜譜中有些步驟是關(guān)鍵的，有些只是輔助性的。系統(tǒng)會根據(jù)步驟的復(fù)雜性、在整個機制中的地位等因素分配不同的權(quán)重，確保評分能夠反映真實的化學(xué)重要性。

數(shù)據(jù)擴展策略也很巧妙。研究團隊使用AI來建議合理的取代基團，然后通過化學(xué)有效性檢驗來篩選，這就像讓AI提出創(chuàng)意菜譜，再由專業(yè)廚師判斷是否可行。這種方法既保證了擴展數(shù)據(jù)的多樣性，又維持了化學(xué)的合理性。

六、深入剖析AI的化學(xué)推理缺陷

通過大量的測試和分析，研究團隊深入挖掘了當(dāng)前AI在化學(xué)推理方面存在的根本性問題，這些發(fā)現(xiàn)就像醫(yī)生為病人做了全面體檢，找出了所有的癥結(jié)所在。

最基礎(chǔ)的問題是化學(xué)知識的缺失和誤解。AI經(jīng)常會在反應(yīng)條件的理解上出錯，比如在酸性條件下執(zhí)行需要堿性條件的反應(yīng)，就像在做需要高溫炒制的菜時卻用了低溫慢燉的方法。這反映出AI對化學(xué)環(huán)境和條件的敏感性理解不足。

更嚴重的是對活性中心的錯誤識別。在復(fù)雜分子中，AI往往無法準(zhǔn)確判斷哪些位點容易發(fā)生反應(yīng)，就像不知道雞肉的哪個部位最嫩、最適合快炒。這種錯誤會導(dǎo)致整個反應(yīng)路徑的偏離。

在機制邏輯方面，AI表現(xiàn)出明顯的步驟連貫性問題。它可能會跳過關(guān)鍵的中間步驟，直接從反應(yīng)物跳到產(chǎn)物，就像做菜時直接從洗菜跳到裝盤，省略了所有的烹飪過程。這種"邏輯跳躍"說明AI缺乏對因果關(guān)系的深層理解。

另一個嚴重問題是對中間體穩(wěn)定性的誤判。AI有時會提出在熱力學(xué)上極不穩(wěn)定的中間體，就像建議在沙灘上蓋摩天大樓一樣不現(xiàn)實。這表明AI對化學(xué)平衡和能量概念的理解還很膚淺。

在表示和格式方面，AI經(jīng)常生成化學(xué)上無效的結(jié)構(gòu)。這就像寫出語法錯誤的句子，雖然可能能猜出意思，但在形式上是不合格的。這類錯誤反映了AI在符號操作和規(guī)則遵守方面的不足。

特別值得關(guān)注的是，AI在處理復(fù)雜反應(yīng)時會出現(xiàn)"雪崩效應(yīng)"。一個小錯誤會導(dǎo)致后續(xù)步驟連環(huán)出錯，就像多米諾骨牌倒塌一樣。這說明當(dāng)前的AI缺乏自我糾錯和一致性維護的能力。

研究還發(fā)現(xiàn)，不同類型的反應(yīng)對AI來說難度差異巨大。簡單的質(zhì)子轉(zhuǎn)移和親核取代反應(yīng)相對容易處理，但涉及軌道對稱性的周環(huán)反應(yīng)和復(fù)雜的重排反應(yīng)就讓AI束手無策。這種選擇性困難說明AI的化學(xué)理解還停留在相對表面的層次。

七、AI化學(xué)推理的未來前景

盡管當(dāng)前AI在化學(xué)推理方面還存在諸多不足，但這項研究也展現(xiàn)了令人鼓舞的可能性，就像看到了一顆種子具備成長為參天大樹的潛力。

研究證明，AI確實具備學(xué)習(xí)化學(xué)推理的能力。通過適當(dāng)?shù)挠?xùn)練，小型模型就能達到甚至超越大型商業(yè)模型的表現(xiàn)，這說明問題不在于AI是否能學(xué)會化學(xué)推理，而在于如何更好地教它們。這就像發(fā)現(xiàn)學(xué)生不是不聰明，而是還沒有找到合適的學(xué)習(xí)方法。

示例學(xué)習(xí)的成功特別值得關(guān)注。AI能夠通過觀察相似問題的解決方案來改進自己的推理，這種類比學(xué)習(xí)能力是化學(xué)家日常工作中的重要技能。這表明AI正在朝著更加"人性化"的學(xué)習(xí)方式發(fā)展。

微調(diào)訓(xùn)練的顯著效果也為未來指明了方向。專門的化學(xué)推理訓(xùn)練能夠大幅提升AI的能力，這說明構(gòu)建專門的化學(xué)AI系統(tǒng)是可行的。未來可能會出現(xiàn)專門針對化學(xué)推理優(yōu)化的AI模型，就像現(xiàn)在有專門的醫(yī)學(xué)AI或法律AI一樣。

oMeBench本身也為未來的研究奠定了基礎(chǔ)。這個基準(zhǔn)數(shù)據(jù)集不僅可以用于評估現(xiàn)有模型，更重要的是為訓(xùn)練下一代化學(xué)AI提供了寶貴的資源。隨著更多研究者使用和改進這個數(shù)據(jù)集，AI的化學(xué)推理能力有望實現(xiàn)快速提升。

研究還揭示了AI化學(xué)推理系統(tǒng)的潛在應(yīng)用價值。在化學(xué)教育領(lǐng)域，這樣的系統(tǒng)可以作為學(xué)生的學(xué)習(xí)助手，幫助他們理解復(fù)雜的反應(yīng)機制。在藥物研發(fā)中，AI可以協(xié)助化學(xué)家預(yù)測和優(yōu)化合成路線。在材料科學(xué)中，AI可以幫助設(shè)計新的合成策略。

當(dāng)然，要實現(xiàn)這些應(yīng)用還需要克服許多挑戰(zhàn)。AI需要更好地理解化學(xué)的物理基礎(chǔ)，掌握熱力學(xué)和動力學(xué)概念，學(xué)會處理三維空間中的分子相互作用。這些都是當(dāng)前AI系統(tǒng)的薄弱環(huán)節(jié)，需要未來的研究重點關(guān)注。

研究團隊特別強調(diào)，oMeBench不僅是一個評估工具，更是推動整個領(lǐng)域發(fā)展的催化劑。就像標(biāo)準(zhǔn)化考試推動了教育改革一樣，這個基準(zhǔn)有望激發(fā)更多關(guān)于AI化學(xué)推理的研究，最終讓AI真正具備化學(xué)家級別的推理能力。

從更廣闊的視角來看，這項研究代表了AI從簡單的模式識別向深層推理能力發(fā)展的重要一步?；瘜W(xué)反應(yīng)機制推理需要因果推理、邏輯演繹、空間想象等多種高級認知能力的協(xié)同工作，正是這種復(fù)雜性使得它成為測試AI真實智能水平的理想試金石。隨著AI在這個領(lǐng)域的不斷進步，我們也許能夠期待AI在其他需要深度推理的領(lǐng)域取得突破性進展。

說到底，這項研究讓我們看到了AI理解復(fù)雜科學(xué)問題的潛力，也清醒地認識到了當(dāng)前的局限性。正如任何科學(xué)進步都需要時間和努力一樣，讓AI真正掌握化學(xué)推理這門藝術(shù)還需要更多的研究和創(chuàng)新。但有了oMeBench這樣的工具和研究團隊展示的方法，我們有理由相信，AI化學(xué)家的時代或許并不遙遠。這不僅將改變化學(xué)研究的方式，也可能為整個科學(xué)發(fā)現(xiàn)過程帶來革命性的變化。

對于普通人來說，這項研究的意義在于它展示了AI正在從簡單的工具向真正的智能助手演進。未來，當(dāng)我們想要了解某個化學(xué)反應(yīng)是如何發(fā)生的時候，也許可以直接詢問AI，就像現(xiàn)在問搜索引擎一樣簡單。而對于教育工作者和學(xué)生來說，這樣的AI系統(tǒng)可能成為強大的學(xué)習(xí)工具，讓復(fù)雜的化學(xué)概念變得更容易理解和掌握。

研究團隊已經(jīng)將oMeBench公開發(fā)布，任何有興趣的研究者都可以使用這個數(shù)據(jù)集來訓(xùn)練和評估自己的模型。這種開放共享的做法將加速整個領(lǐng)域的發(fā)展，讓更多人能夠參與到這個激動人心的研究中來。通過檢索論文編號arXiv:2510.07731v2，讀者可以獲取完整的技術(shù)細節(jié)和數(shù)據(jù)集。

Q&A

Q1：oMeBench是什么？它解決了什么問題？

A：oMeBench是伊利諾伊大學(xué)團隊構(gòu)建的全球首個大規(guī)模有機化學(xué)反應(yīng)機制推理基準(zhǔn)，專門用于評估AI在化學(xué)反應(yīng)機制推理方面的能力。它解決了之前缺乏系統(tǒng)工具來評估AI是否真正理解化學(xué)反應(yīng)過程的問題，就像為AI的化學(xué)推理能力設(shè)計了一套標(biāo)準(zhǔn)化考試。

Q2：目前的AI在化學(xué)反應(yīng)機制推理方面表現(xiàn)如何？

A：目前最好的AI模型在化學(xué)反應(yīng)機制推理上只能達到約38%的準(zhǔn)確率，在復(fù)雜反應(yīng)上表現(xiàn)更差，準(zhǔn)確率常常降到20%以下。AI主要存在化學(xué)知識錯誤、邏輯跳躍和結(jié)構(gòu)表示錯誤等問題，特別是在處理較長的反應(yīng)序列時容易出現(xiàn)累積性錯誤。

Q3：如何提升AI的化學(xué)推理能力？研究有什么突破？

A：研究發(fā)現(xiàn)兩種有效方法：一是示例學(xué)習(xí)，給AI提供相似反應(yīng)的解答作為參考；二是專門訓(xùn)練，用化學(xué)數(shù)據(jù)對AI進行針對性微調(diào)。最令人驚喜的是，經(jīng)過專門訓(xùn)練的小型AI模型性能提升了50%，甚至能超越某些大型商業(yè)模型，證明AI確實具備學(xué)習(xí)化學(xué)推理的潛力。