中青报·中青网记者 璟瑄隔热条设备

2025年年末，北京大学化学与分子工程学院的间教室里，174名大二学生正濒临场非常的期中考验。试卷上，晶体结构的雅致认识、响应机理的度演、牺牲质的定量斟酌等硬核题目扑面而来，而考生们的“竞争敌手”并非同窗，而是ChatGPT、Gemini、DeepSeek等当下顶的东说念主工智能大谈话模子。

这场“云表对决”的背后，是北大后生科研团队在旧年12月造的SUPERChem神——套包含500说念难度试题的基准测试集，旨在用“北大表率”丈量AI在化学域的委果理材干。

在团队成员、北京大学化学与分子工程学院2020博士考虑生黄志贤看来，设计这套难度题库的标的并不是为了证明AI不行，而是搞明晰AI到底“懂不懂化学”，为AI的发展提供表露的参考。

在AI大模子技能爆发式发展确当下，东说念主们似乎依然习尚向AI索求谜底，“AI能顾问种种复杂问题”的声息不于耳，而这群年青的科研东说念主员遴遴聘严谨的式，对技能上涨进行次稳固的追问。

“在AI发展过程中留住我方的萍踪”

黄志贤在宽泛学习和科研中时常和AI进行对话，但是他发现，关于些我方“眼就能看懂”的分子结构图，AI却如何也看不清，使得其在判断息争释化学响当令，“说出的实质看似板眼，但是往往齐是幻觉，得出的论断有事实很是”。

带着这么的疑问，黄志贤和几名志同说念的同学起调研了现存的化学AI基准测试，发现好多模子“要么太简便，模子分数齐快刷满了，莫得差异度；要么齐是些用具任务，空泛有化学特的度理”。

黄志贤向中青报·中青网记者默示，化学有套特的谈话来形分子结构，尤其是形分子结构式的字符与二维图像，这在科研与学习中齐相称进攻。但AI大模子依靠的“背书”材干考出的分往往是数据挂牵的功劳，却难以涉及化学学科的中枢——那些需要三维空间联想、严实逻辑演和微不雅寰宇知道的复杂任务。

“咱们决定成就套难度、具有化学特的测试基准，不仅看它能不可作念对题，还要看它的理过程是不是理。咱们但愿这套表率能够动AI逐渐掌捏化学学问、化对科学的意会，并在改日促进科学考虑与改进发现，与东说念主类联袂共同跨越。”黄志贤说。

于是，团队成员之、北京大学化学与分子工程学院2024博士考虑生赵泽华在旧年“五”假期前拟定了SUPERChem的提案，发给学院党委布告裴坚和党委布告珍两位敦厚。

赵泽华回忆，珍敦厚在收到提案后“坐窝来了电话”，详备了解了这个新域的基本主张、技能齐全细节和国表里已有的相关职责，帮学生理清念念路。“五”假期末，两位敦厚与学生自觉构成的科研团队进行了次肃穆参议。

珍仍然记起隔热条设备，当初几名学生向学院提倡SUPERChem的遐想时，我方曾问过他们“为什么想作念这个神”。

“在AI发展过程中留住我方的萍踪，动AI走得远。”黄志贤、赵泽华等团队成员的恢复，也成了设计SUPERChem神标初心。在珍看来，统筹这个神标过程中让她感到自负的，是学生们死活之交的科研心扉和不计答复的存眷。

学生提倡构想，闇练提供资源；在考验AI水平上限的赛说念上，师生齐站在“同起跑线”。“北大化院有在化学竞赛题目积存、顶师生资源等面的势，因此咱们也有义务去作念好这个神。”珍说。

设计出AI“没见过”的题库

但是，要造集几百说念难度“原创试题”的题库，仅依靠团队内的几名成员是远远不够的。

工欲善其事，先利其器。团队决定先搭建个能够撑持多在线出题的联结平台，这关于非斟酌机业的黄志贤、赵泽华等成员来说，也成了我方的跨界挑战。

“我主要负责联结平台网站前端引诱，是边学边作念，还借助了AI智能体帮手写代码。”黄志贤默示，AI确乎裁减了跨域引申的门槛，匡助我方斗争到广袤的平台。

在平台搭建完成之后，化院的敦厚们在每个年群里齐发布了“出题东说念主”招募奉告。团队很快就收到了上百名同学的报名请求。

终，参与试题设计的77名学生中，包括3位化学奥林匹克（IChO）获选手与64位化学奥林匹克（CChO）决赛获选手。他们从难度试题和前沿业文件中给与灵感，进行度改编。

赵泽华还设计了套积分激励系统，让传统的出题、审题、修题等单调败兴的任务酿成了套肖似游戏的“怪升”过程。说念题目需历经编写初稿、撰写认识，再通过初审与终审的严格审核，异型材设备每个体式均由不同的学生把关，并披发相应的积分。积存定积分的出题东说念主还能获取审核他东说念主题标的权限。些终审通过的题目，以致多迭代过15个版块。

在团队搭建的这套属联结平台上，参与出题的成员相互审阅、相互“找茬”，用严谨的科学念念维探索AI的“硬实力”。

“咱们会把题目中的药物分子等具有昭彰特征的名词用‘化物A、B’来指代，这么AI就法通过布景信息‘舞弊’。”赵泽华告诉中青报·中青网记者，在题型成就上，团队沿路剿袭遴聘题，“因为简答或填空题的通达式回答有语义种种，很难客不雅地自动化评价，因此落幕了评估的率与准确”。为了止AI从选项中“蒙对谜底”，团队还挑升将题标的选项增多到6-9个。

跟着174名大二学生和几款顶AI大模子纷纷交上我方的答卷，考验效果骄傲，看成基线，参与测试的北大化院本科生取得了40.3的平均准确率，而顶AI大模子的收获仅与低年本科生平均水平绝顶，AI在化学中枢材干上仍然存在昭彰短板。

此外，团队还为每说念题目齐标注了详备的评分法例。在SUPERChem这台“显微镜”下，AI是真懂照旧装懂，目了然。

团队发现，AI的理链条往往断裂于居品结构瞻望、响应机理识别以及构关系分析等阶任务。现时的顶模子有海量的学问储备，但在处理需要严实逻辑和刻意会的硬核化学问题时，仍显给力不从心。

这么的效果也在团队的意想之内。“现时主流AI大模子的底层逻辑是基于维文本序列的瞻望，法调节多模态材干解读图像，也就不可信得过称心化学学科在二维、三维平分析立体信息的需求。”黄志贤说。

对参与神标学生而言，这场科研探索像是次刻的自我进步。“出题时要苦思冥想难住AI，这个过程条目咱们须把学问点学学透，串联起来进行严谨理。”黄志贤默示，好多学生在向AI发问的过程中运行念念考：AI时间，该如何遴聘我方的考虑向？哪些职责是AI难以替代的？AI能匡助我方作念哪些成心旨的考虑？

“简便的学问背诵、基础的斟酌任务，AI可能作念得比东说念主好，但度理、科研改进这些需要东说念主类贤慧的域，才是咱们该注的向。”黄志贤说。

这场测试的影响，也蔓延到了科场以外的北大校园。黄志贤不雅察到，当今已有不少敦厚运行改进侦查式，设计AI作念不出来的题目看成考题，引发学生计跃的自主念念维。

看管“向AI发问”的材干

发布SUPERChem不是极端，而是个运行。目下，团队已将神开源，但愿这套源自北大的“试卷”能成为全球科学与东说念主工智能域的人人资产。

珍显现，此前已有互联网企业连络团队，但愿由此神蔓延出相关学问学习类软件表率的引诱，“不外目下咱们主要聚焦神标学术，AI的成长速率太快，下步咱们要密切关注AI的迭代新，增多对它的侦查难度和综”。

“后续咱们可能会阐明学界和工业界对化学域前沿问题的关注，继续新咱们的题库。”黄志贤提到，目下的题库在业上偏向于奥林匹克竞赛，接下来但愿调节多学术资源，集多垂直域的考虑课题，将它们改编成具考虑质的通达题目，以此来评估AI能不可成为个科学域的“学术考虑者”。

珍默示，改日跟着神加老到，也许会转头到基础学问，造既适AI又适东说念主类学习的题库和平台。

在团队成员看来，SUPERChem就像个路标：从通用的聊天机器东说念主，到能够意会构关系、演响应机理的业科学助手，中间还有很长的段路要走，那是从“记着学问”到“意会物理寰宇”的跨越。或者在不久的将来，AI果然能交出份满分答卷——而这，恰是化学与东说念主工智能共同的惊喜。

这场始于“考AI”的科研探索，终指向的是对科学和陶冶初心的信守，亦然对东说念主类与技能关系的刻念念考。当AI能够瞬息回答那些依然有谜底的问题时隔热条设备，陶冶要作念的，也许就在于培养学生不断提倡新问题的材干。