Sep, 2024

ChemEval：面向大型语言模型的全面多层次化学评估

HTML
PDF
TL;DR本研究解决了现有大型语言模型（LLMs）评估在化学领域的不足，提出了ChemEval评估体系，以评估LLMs在多种化学任务中的能力。结果表明，一般LLMs在文献理解方面表现良好，但在需要高级化学知识的任务中存在不足，而专用LLMs则在化学能力上有所提升，这显示了优化LLMs以应对复杂化学任务的潜力。
发现论文，激发创造
  • GPT模型在化学方面能做什么？八项任务的综合评估

    本文针对大语言模型在化学领域能力的未知，建立起一个包含8个化学实践任务的全面基准，运用GPT-4、GPT-3.5和Davinci-003三种GPT模型以零样本和少样本的情境下进行测试，发现GPT-4相较于其他两种模型表现更佳，而GPT模型在需要精确理解分子SMILES表示的任务中较为欠缺，而在文本相关的说明任务方面表现出较强的能力。

    May, 2023

  • 结构化化学推理与大型语言模型

    本文研究利用大型语言模型（LLMs）解决复杂的化学问题的问题，提出了InstructChem，一种新的结构化推理方法，极大地提升了LLMs的化学推理能力。

    Nov, 2023

  • ChemDFM：化学对话基础模型

    化学研究中的大型语言模型，ChemDFM，具有高度专业化的语言和知识，并在化学任务中表现出强大的性能和效果。

    Jan, 2024

  • 从词语到分子: 化学中大型语言模型的调查

    将大型语言模型 (LLMs) 整合到化学领域是一个复杂的任务，本文以细致的方法论探索了该跨学科领域的复杂性和创新，从分子信息如何通过各种表示和标记方法导入LLMs开始，将化学LLMs分为三个不同的群体，并讨论了将这些输入整合到LLMs的方法，然后探讨了应用LLMs在化学中的多样化应用，包括在化学任务中的新范例，最后确定了有望的研究方向，包括进一步整合化学知识，持续学习的进展以及模型可解释性的改进，为该领域的突破性发展铺平了道路。

    Feb, 2024

  • 化学LLM: 一种化学大型语言模型

    ChemLLM是第一个专门用于化学领域的大型语言模型，通过使用结构化化学知识构建对话系统，能够在化学学科中顺畅交互完成各种任务，包括名称转换、分子标题和反应预测，并在相关数学和物理任务中展现出出色的适应性。

    Feb, 2024

  • LlaSMol：通过大规模、综合、高质量的指导调整数据集推进化学领域的大型语言模型

    我们研究了基于SMolInstruct数据集进行fine-tune的大型语言模型在化学任务上表现出色，特别是Mistral模型，同时，我们还分析了可训练参数的影响，为未来的研究提供了一些见解。

    Feb, 2024

  • 大型语言模型是超人级化学家吗？

    通过ChemBench等评估框架，我们发现大型语言模型在化学科学中展示出卓越的能力，但仍需进一步研究以提高其安全性和实用性。

    Apr, 2024

  • 通过提示工程在大型语言模型中整合化学知识

    本研究探讨了将领域特定知识整合到提示工程中，以增强科学领域的大型语言模型（LLMs）的性能。通过构建基准数据集，该方法在生物和化学领域中的复杂材料上得到验证，结果表明领域知识提示可以引导LLMs生成更准确和相关的回答，凸显LLMs在科学发现和创新中的潜力。

    Apr, 2024

  • 化学领域的大型语言模型和自主代理的综述

    大规模语言模型（LLMs）在化学领域中以其准确预测性能、设计新分子、优化合成路径和加速药物和材料发现等能力成为一个强大的工具。本综述讨论了LLMs的历史、性能、设计以及在化学领域的挑战和未来方向，特别关注于代理人（agents）及其作为一个跨化学模式的出现。代理人在化学的各个领域中表现出了很好的效果，但依然存在挑战。开发面向特定领域的代理人和开发自主流程与“副驾驶”系统的对比对于加速化学进程尚不清楚。一种新兴的方向是开发使用人工智能辅助的多代理人系统。由于该领域的快速发展，已经建立了一个仓库，以追踪最新研究。

    Jun, 2024

  • ChemVLM：探索多模态大语言模型在化学领域的应用

    本研究解决了现有化学大语言模型在处理视觉信息方面的不足，提出了一种名为ChemVLM的多模态大语言模型，专门应用于化学领域。ChemVLM经过双语多模态数据集训练，能够更好地理解文本和视觉信息，实验结果表明其在多个评估任务中表现优异，对化学领域具有潜在的深远影响。

    Aug, 2024