本地化，然后推理：分子属性和编辑的视觉潜在结构推理

局部化学感知和性质推理对于理解分子结构如何决定性质都至关重要。当前基于 LLM 的化学推理方法要么接收 SMILES/分子图像以及局部图案的描述，要么直接从分子图像进行推理。这两种方法都无法使模型在推理之前关注具有化学意义的区域。为了解决这一差距，我们提出了视觉潜在结构推理（VLSR），这是一种端到端框架，可以从分子图像中联合学习定位和推理。我们方法的核心是本地化然后推理策略。 VLSR 首先学会在分子图像中定位具有化学意义的区域。然后，在产生最终答案之前，它会在紧凑的潜在工作空间中推理它们的属性影响。在相同的推理设置下，该设计的吞吐量比同类文本推理基线高 9.6 倍。