摘要
针对现有化学视觉语言模型多为“黑盒”且缺乏深层机制推断能力的问题，本文提出 ChemVLR。该模型通过在感知过程中显式识别官能团等细粒度描述符，优先化推理步骤，从而生成可解释的推理路径。研究采用了跨模态逆向工程策略构建大规模推理数据集，并实施三阶段训练框架以系统提升模型的感知与推理能力。实验表明，ChemVLR 在多项任务上超越了主流专有模型及开源基线，实现了最先进的性能。
AI 推荐理由
论文核心在于通过细粒度感知优先化推理过程，生成可解释的推理路径。
研究机构
The Key Laboratory of Cognition and Decision Intelligence for Complex Systems, Institute of Automation, Chinese Academy of Sciences
School of Artificial Intelligence, University of Chinese Academy of Sciences
论文信息