研究人员推出了MolSafeEval，这是一个旨在评估AI生成分子安全风险的基准测试，解决了当前基准测试忽视潜在危害（如毒性和反应性）的空白。该系统将来自毒理学数据库和危险规则的异质安全知识整合到结构化的分子安全知识图谱中，以便通过大型语言模型的推理来系统地检测和解释不安全特征。
- MolSafeEval将分子生成模型分为四类任务：无条件生成、属性优化、基于目标蛋白质的设计以及基于文本的生成。
- 该基准测试为这些代表性任务类别提供了标准化的数据集和安全评估协议。
- 它利用结构化的知识图谱来揭示毒性预测器经常遗漏的安全漏洞。
MolSafeEval为分子模型的基准测试提供了新的视角，并通过系统地揭示当前生成方法的安全漏洞，为更安全、更可靠的分子设计提供了必要的指导。