ChemLLM: A Chemical Large Language Model

本文是LLM系列文章，针对《ChemLLM: A Chemical Large Language Model》的翻译。

论文主要内容总结

论文《ChemLLM: A Chemical Large Language Model》聚焦于化学领域专用大语言模型的开发。作者指出，尽管大型语言模型（LLMs）在化学应用中已取得显著进展，但当前缺乏专门为化学设计的LLM，主要面临两大挑战：

1. 化学数据和科学知识多以结构化数据库存储，直接使用时限制了模型维持连贯对话的能力；
2. 缺乏涵盖多数化学任务的客观公平基准。

为此，研究团队提出了ChemLLM框架，包含三大核心部分：

• ChemLLM：首个专为化学设计的LLM，具备跨化学学科任务处理和流畅对话交互能力。
• ChemData：专为指令微调设计的数据集，整合化学领域知识。
• ChemBench：覆盖9项关键化学任务的稳健基准。

实验表明，ChemLLM在核心化学任务上性能可与GPT-4媲美，在通用场景中与同规模LLM相比表现相当。该研究为化学研究开辟了新路径，并为将结构化科学知识融入对话系统提供了方法论，为其他科学领域LLM的开发设定了新标准。代码、数据集和模型权重已公开。

论文创新点

• 领域专用性突破：首次提出专门针对化学领域的大型语言模型，填补了化学AI领域缺乏专用LLM的空白。
• 结构化知识整合：创新地将结构化化学数据库知识融入对话系统，提升