本文收录于专栏开源小分子生成和设计实践—— 专栏系统覆盖开源小分子生成与设计工具点击订阅可跟踪后续更新。你让 GPT-4o 或 DeepSeek 做单步逆合成Top-1 准确率通常只有个位数到 10% 出头——分子符号推理是通用大模型的短板。华东师大团队 2026 年 4 月在 CCS Chemistry 正式发表 ECNU-ChemGPT用 848,176 条教材蒸馏问答对加 117.6 万条关键词扩展数据微调 Qwen2-72B 做化学问答用 378 万条清洗后的 Pistachio 反应数据微调 T5-large 做逆合成USPTO-50K 上 Top-1 达 68.3%已知反应类型并完整复现 7 条真实药物合成路线。这篇按论文原文与开源仓库逐项拆解它的双轨数据构建、专家模型分工与 BrainGPT 调度设计同时标定真实数据集 19.6% 精确匹配的现实边界帮你判断逆合成项目要不要引入它。关键字ECNU-ChemGPT逆合成预测化学垂直大模型BrainGPTPistachioUSPTO-50KLoRA 微调多模型调度目录§0. 相关教程与核心文献§1. 场景通用 LLM 做化学为什么不行§2. 核心思路三层架构与四条策略§3. 关键实验数据§4. 与同类工具对比§5. 局限与展望§6. 开源资源与可用性§7. 结语§0. 相关教程与核心文献资源链接与本文关系论文正式版CCS Chemistry 202610.31635/ccschem.026.202607359本文主要数据来源arXiv 预印本 v2arXiv:2507.01444开放获取全文训练代码仓库github.com/ilog-ecnu/ECNU-ChemGPTQA 训练/推理代码BrainGPT 调度模块github.com/1920993165/BrainGPT1调度中枢代码收集的反应数据集github.com/zhangyq9697/ECNU-ChemGPT262 条药物路线数据Hugging Face 模型ALmonster/ChemGPT2-QA-72B问答模型权重§1. 场景通用 LLM 做化学为什么不行你想给一个目标分子反推合成路线把 SMILES 丢给 GPT-4o 或 DeepSeek得到的答案要么结构式画错、要么编造不存在的反应——这是化学 AI 落地最常踩的坑。论文原文把通用大模型在化学领域的四个短板列得很直白多模态知识难消化——文字描述、结构式、SMILES 记号混杂通用模型没有为化学符号体系预训练逆合成数据稀缺——可用反应数据要么规模太小USPTO-50K 只有 5 万条要么噪声太多幻觉严重——模型给出看似有据实则虚构的答案而化学恰恰是错一个原子都不行的学科单模型多任务瓶颈——问答、逆合成、绘图全塞给一个模型每样都不精。数字更能说明问题。论文 Table 2 实测GPT-4o-mini 在 USPTO-50K 上 Top-1 准确率 0.06%、o3-mini 10.41%、DeepSeek-V3 2.76%、DeepSeek-R1 3.12%——通用模型在单步逆合成上几乎全军覆没。ECNU-ChemGPT 的答案不是更大的通用模型而是数据 专家 调度的系统性工程。§2. 核心思路三层架构与四条策略整个系统分三层上图只画主干——两条数据通道喂两个专家模型BrainGPT 负责按用户意图分发任务。2.1 数据层双轨问答数据 清洗反应数据化学问答数据走两条独立构建路径路径起点中间步骤产出教科书蒸馏400 本中英文权威教材Mathpix 转 Markdown → 结构化 Prompt → GPT-4o 生成问答对848,176 条问答对关键词引导扩展120 个基础化学词汇LLM 多轮迭代扩展 → 问题生成 → GPT-4o 批量作答406,806 条指令 117.6 万个问题按论文原文教科书路线保证知识深度覆盖有机、无机、分析、物化、生化关键词扩展路线补广度——尤其有机金属催化、生物医药交叉这类教材覆盖不到的冷门方向。两条路互为补充不是二选一。逆合成数据没用 USPTO-50K直接上 Pistachio原始 Pistachio 数据库 2,455 万条反应记录约 600 万条去重后唯一反应RDKit 标准化 SMILES、去重、剔除重原子数 ≤3 的小分子干扰项最终清洗出3,781,569 条高质量反应记录用于微调——规模是 USPTO-50K 的 75 倍。2.2 模型层按任务选基座不盲目堆参数子模型基座微调方式选型理由论文原意知识问答Qwen2-72B-InstructLoRA约 1.17% 参数可训推理能力强LoRA 降算力成本逆合成T5-large770M全量微调编码器-解码器结构契合产物→反应物的序列到序列任务调度器ChatGLM3-6B两阶段训练轻量、多轮对话成熟、部署开销低训练资源是8 张 A800 80GB。72B 问答模型只训 1.17% 参数、逆合成只用 770M 的 T5-large——分而治之、按任务选型是这套工作最务实的地方。2.3 调度层BrainGPT 是学出来的路由器BrainGPT 并非为化学专门打造——它是团队 2024 年 5 月开源的通用工具调用对话模型github.com/1920993165/BrainGPT1基于 ChatGLM3-6B 全量微调BSD-3 协议原始版本就支持问答、画图SDXL、识图InternLM-XComposer、B 站搜索、天气查询 5 类工具的自主调用。共同一作刘文涛把它化学化后移植进本工作HF 上单独发布为 Braingpt1-Chem12.5 GB比 ChemGPT 论文早一年——这也是它能脱离两个专家模型独立部署的原因。化学版两阶段训练先用人工标注小样本起步再用真实用户日志纠错重训。它不是写死的 if-else——论文实测 1000 条真实用户查询规则/关键词路由准确率 63.1%BrainGPT 学习式路由96.5%。论文还指出静态 prompt 引导的工具调用在集成工具超过 3 个后性能明显退化而现实中用户提问五花八门——帮我逆合成这个分子和这个反应机理是什么需要路由到不同专家。33 个百分点的路由提升是多任务系统真正解决接错线问题的证据。§3. 关键实验数据3.1 化学问答平均分超 GPT-4o 与 DeepSeek 系列按论文 Table 1公众号推文转引的完整对比表与 arXiv 版一致ECNU-ChemGPT 在 7 个基准上的综合平均分83.79超过所有对比模型大学化学单科 83.33Qwen2 基座为 79.17。论文正文还给出两个相对提升相较 GPT-4o 平均分提升 8.5%相较 DeepSeek-R1 提升 5.7%。模型大学化学高中化学MMLU 大学化学C-MHChem平均GPT-4o66.6752.6370.6762.9875.29DeepSeek-V377.7877.1966.3374.5280.99DeepSeek-R147.2263.1671.3383.8178.09Qwen2-72B基座79.1789.4760.3375.3481.61ECNU-ChemGPT83.3389.4761.0082.4583.79完整 12 模型 × 8 基准的表建议读论文 Table 1此处抽核心列。3.2 逆合成68.3% 的 Top-1 与真实药物路线验证基准测试USPTO-50K论文 Table 2/3口径Top-1 准确率已知反应类型68.3%未知反应类型50.1%对照o3-mini已知类型10.41%对照ChemDFM-8B已知类型6.47%68.3% 也超过了多数经典模板无关方法RetroSim 52.9 / SCROP 59 / GLN 64.2 / LocalRetro 63.9与图模型 RetroExplainer66.8同一梯队未知反应类型 50.1% 低于 RetroExplainer 的 57.7——这是它与专用图模型的真实差距选型时要看你的场景是否已知反应类型。真实药物路线验证论文最具说服力的部分团队从文献和专利收集262 条真实药物合成路线1,448 步单步反应与训练集零重叠评价口径Top-1Top-3Top-10Top-15精确匹配19.6%45.7%64.6%71.1%相似度 ≥95% 放宽20.9%50.8%81.1%98.2%模型完整复现精确匹配了 7 条真实药物合成路线托伐普坦、瑞德西韦、达利雷生、阿贝西利、巴瑞克替尼、贝曲沙班arXiv 版写 13 条正式发表版修订为 7 条以正式版为准。注意精确匹配 Top-1 只有 19.6%——基准高分不等于车间可用这是读这类论文必须留的清醒。§4. 与同类工具对比维度ECNU-ChemGPT通用 LLMGPT-4o 等经典逆合成模型LocalRetro/GLNChemDFM 等化学 LLM单步逆合成 Top-1USPTO-50K68.3%个位数~10%60-67%4-6%化学知识问答83.79 平均75-81—弱于通用模型多任务调度BrainGPT 学习式路由单模型硬扛—单模型反应数据规模378 万条 Pistachio无领域微调5 万条 USPTO-50K百万级路线级验证262 条真实药物路线无少量案例无系统验证获取方式开源代码 HF 权重API 付费开源部分开源选型建议化学问答 逆合成一体化需求选 ECNU-ChemGPTBrainGPT 调度是独有卖点只要单步逆合成且已知反应类型图模型 RetroExplainer66.8/57.7在未知类型上更强可作对照基线通用模型直接做逆合成目前仍不可行只适合做路线解读与文献检索。§5. 局限与展望论文自身承认与实测观察的局限覆盖盲区——有机金属、光化学等小众反应类型数据不足预测路线在这些方向不可靠精确匹配偏低——真实药物数据集 Top-1 仅 19.6%论文解释是实际工艺要考虑安全性、成本等非化学最优因素但这也提醒基准高分 ≠ 工艺可用宽松指标要审慎读——相似度 ≥95% 算命中这类标准展示潜力可以直接当产出质量会误判幻觉评估非金标准——幻觉率由 GPT-4o/DeepSeek-R1 双评审微调后 0.395相对降低 9.2%-21.0%LLM-as-judge 本身有偏差工程现状——训练代码 2025-07 后无更新仓库 API 探活在线服务 chemgpt.lrcwtech.com 返回 502、multiasr 超时2026-10 时点核验生产使用需自建。展望方向扩充薄弱反应类型数据、加强分子表征与语言推理融合、把 BrainGPT 式调度推广到更多化学工具编排。§6. 开源资源与可用性按 GitHub 仓库与 Hugging Face 页面核验2026-10 时点资源状态说明ilog-ecnu/ECNU-ChemGPT活但低活跃4★Python含 ChemGPT-QA 训练/推理代码ALmonster/ChemGPT2-QA-72BHF 在线72B 问答权重vLLM/SGLang 加载1920993165/BrainGPT1活但低活跃6★BSD-3ChatGLM3 基座调度器zhangyq9697/ECNU-ChemGPT数据仓MIT262 条药物路线 CSVchemgpt.lrcwtech.com 在线服务502官方在线服务当前不可用需自部署multiasr.lrcwtech.com 多步工具超时同上自部署现实评估逆合成模型68.3% 主角权重未发布——仓库saved/目录只有 config.json 无模型文件378 万条 Pistachio 数据也未随仓库公开NextMove 专利库学术申请获取复现需按论文流程自建数据重训基座 flan-t5-large。问答权重 ChemGPT2-QA-72B 页面核验288.9 GB fp3263 分片需多张 80GB 卡 vLLM 起仓库带test_vllm.py另附 7B/32B 训练脚本但未发布对应权重。三件套里唯一单卡可跑的是调度器 Braingpt1-Chem12.5 GB fp32fp16 约 6.2 GB——恰好它源自独立项目可脱离专家模型单独测试工具路由能力。§7. 结语ECNU-ChemGPT 的价值不在又一个化学 GPT而在三件可迁移的方法论数据要两条路互补教材蒸馏保深度、关键词扩展保广度模型要按任务分工72B 问答 770M 逆合成不盲目堆参数多任务要学习式调度96.5% vs 63.1% 的路由准确率差距。对逆合成项目而言68.3% 的 Top-1 与 7 条真实药物路线复现证明了领域微调 大规模清洗数据路线的产出上限而 19.6% 的精确匹配 Top-1 则标定了它的现实边界——它现在是资深合成人员的强助手还替代不了路线设计里的工艺与成本判断。参考来源论文Zhang Y, Liu W, Zhang Y, et al. ECNU-ChemGPT: A Large Language Model for Chemistry and Retrosynthesis Prediction. CCS Chemistry, 2026. 10.31635/ccschem.026.202607359预印本Zhang Y, et al. A Large Language Model for Chemistry and Retrosynthesis Predictions. arXiv:2507.01444, 2025. arXiv 链接仓库ilog-ecnu/ECNU-ChemGPT BrainGPT1 反应数据集模型ALmonster/ChemGPT2-QA-72B Braingpt1-Chem系列导航专栏全集开源小分子生成和设计实践更多专栏蛋白 / 抗体 / 多肽 / 核酸分子模拟 / 动力学 / 对接药物 / 设计 / 案例AI / Agent / 大模型开源蛋白结构预测分子模拟基础小分子药物设计案例AI Agent系列开源蛋白生成方法实践分子动力学模拟-Amber蛋白药物设计案例化学大模型开源多肽设计模型分子动力学模拟-Gromacs多肽药物设计案例《AI Agent原理与实战》开源多肽性质预测分子动力学模拟-OpenMM开源小分子生成设计CADD中的机器学习模型DNA/RNA药物设计結合自由能高效计算配置《MCP 入门实战》siRNA药物设计模型UCSF DOCK系列我胡师兄说药《AI入门实战2026》ASO药物设计模型rDock系列 LeDock系列 gnina系列《经典机器学习实战》