研究人员开发了新的基准和方法来评估和增强大型语言模型（LLM）在化学相关任务中的能力。其中一种方法，Speak-to-Structure（S^2-Bench），专注于开放域分子生成，超越了简单的“一对一”映射，以评估创造性和多样化的分子设计能力。另一种方法引入了原子锚定的LLM，它使用独特的原子标识符来锚定链式思维推理以进行分子转化，在逆合成等任务中取得了很高的成功率，而无需进行特定任务的训练。 AI
影响 新的基准和方法正在涌现，以推动LLM在化学领域进行更复杂的科学推理。
排序理由 该集群包含两篇学术论文，介绍了LLM在化学领域的新方法和基准。
- Atomic Identifiers
- Chemistry
- Drug Discovery
- Large Language Models
- Molecular Reasoning
- Atom-anchored LLMs
- Claude-3.5
- GPT-4o
- Llama3.1-8B
- LLMs
- S^2-Bench
- Speak-to-Structure
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →