研究人员开发了一个新型大规模推理数据集和FukuyamaBench基准，用于评估大型语言模型中的层级机制推理，解决当前化学LLM中常见的物理不一致问题。

  • 该研究引入了FukuyamaBench，这是一个源自福山《高级有机反应机理》一书的困难基准。
  • 一个经过微调的Qwen3-30B-A3B模型在新数据集上进行了训练，以增强化学智能。
  • 该模型在FukuyamaBench Set~A上实现了8.3%的精确路径匹配，超过了专门模型FlowER的5.1%得分。

这表明机制感知训练显著增强了语言模型的化学推理能力。