论文
使用 大语言模型 学习化学反应的机理推理
Learning Mechanistic Reasoning for Chemical Reactions with Large Language Models
摘要
反应机制由解释化学转化的基本反应的逐步序列组成。因此，学习机制逻辑对于增强 大语言模型 (LLM) 的基础化学智能至关重要。反应机理的逐步推演与推理LLM的推理范式自然契合。然而，当前的化学LLM主要强调用于产物预测和逆合成的粗粒度名称反应，常常导致物理不一致和幻觉。相比之下，用于机制推理的专门小规模生成模型通常会受到跨不同化学空间的泛化能力的限制。为了克服这些限制，我们建立了一个新颖的大规模反应机制推理数据集。此外，我们还建立了 FukuyamaBench，这是一个源自 Fukuyama 的《高级有机反应机制》一书的困难基准，用于严格评估模型在分层机制推理上的性能。我们经过微调的 Qwen3-30B-A3B 在 FukuyamaBench Set~A 上实现了 8.3% 的精确路径匹配，超过了专门的 FlowER 模型 (5.1%)，这表明机制感知训练大大增强了语言模型中的化学推理。