MolQuest：用于化学结构解析中溯因推理的代理评估基准

大语言模型在科学发现中潜力巨大，但缺乏对其动态推理能力的系统评估。现有基准多基于静态问答，难以衡量复杂科学任务中的多步迭代表现。为此，本文提出 MolQuest，一个基于真实化学实验数据的代理评估框架。该框架将分子结构解析形式化为多轮交互任务，要求模型主动规划实验步骤、整合异构光谱数据并迭代修正假设，从而系统评估其溯因推理与战略决策能力。实验表明，当前最先进模型在此类任务中准确率仅约 50%，凸显了现有模型在科学推理方面的显著不足。