学术论文 | ChemAgent: Enhancing LLMs for Chemistry and Materials Science through Tree-Search Based Tool Learning

grit 发布于 2025-06-11 21 次阅读


ChemAgent引入了一种新颖的基于大型语言模型(LLM)的智能体,通过集成137种化学工具并利用分层演化蒙特卡洛树搜索(HE-MCTS)框架,显著提升了LLM在化学和材料科学领域的性能。该研究开发了迄今最大的化学工具学习数据集ChemToolBench,并证明HE-MCTS在化学问答和发现任务中超越了GPT-4o,有效解决了LLM在化学领域知识更新滞后的挑战。发表于 2025年06月10日。

原文链接:https://x.com/BiologyAIDaily/status/1932421052946370794

学术论文 | ChemAgent: Enhancing LLMs for Chemistry and Materials Science through Tree-Search Based Tool Learning

此作者没有提供个人介绍。
最后更新于 2025-06-11