ITBear旗下自媒体矩阵:

OpenAI上线药物化学评测集,聚焦AI分子推理表现

   时间:2026-11-21 08:38:40 来源:互联网编辑:快讯 IP:北京 发表评论无障碍通道
 

当地时间11月20日,OpenAI发布了一个名为MedChemBench的基准,用来衡量AI模型在药物化学研究中的推理水平,覆盖分子结构识别、实验结果解读、化合物比较和性质预测等任务。11月21日,相关消息对外披露。

该基准由99道题组成,题目来自117篇论文和专利,包含761个不同的分子结构。多数题目会把研究推进到某个节点时的背景交给模型,例如生物靶点、研究人员设定的目标、此前研究过的化合物以及部分实验结果。

评测被划分为四个方向:分子结构要求模型根据结构图和化学基团组装分子,并检查原子连接与立体化学是否正确;科学解释要求模型用给定证据支撑结论,例如说明为什么在多个化合物中选中某一个;排序与选择关注化合物排序和最终选择是否符合题目;性质预测则看模型输出与原始材料中的实测或计算数值、类别是否一致。

官方公布的结果显示,在xhigh推理档位下,GPT-6.2 Astra得到84.5%的可用分数,GPT-6 Astra为83.3%,GPT-6.1 Sol为82.0%,GPT-5.6 Sol为58.2%。OpenAI称,把推理档位调高能带来分数增长,不过模型之间的差距仍然清晰存在。

分项数据中,Astra在xhigh档的分子结构部分拿到95.4%的可用分数,但化合物选择与数值性质预测两项都只得到约一半分数。官方还举出一道题:模型需要用给定中心结构和两个侧基组装分子,同时保留一个18原子环。在11个模型共同采用的xhigh档下,GPT-6 Astra十次回答全部正确;GPT-5.6 Sol和GPT-5.6 Luna十次全部出错,前者生成的环仅有15个原子,后者把分子拆成了两个互不相连的片段。

另一道题来自PRMT5抑制剂研究。PRMT5是肿瘤药物研发中受到关注的蛋白,题目要求预测三种相关化合物在细胞内阻断PRMT5的强度、穿过细胞屏障的难易,以及在实验室检测中被肝酶降解的速度。题目中未展示的后续实验反映了取舍:化合物23能在更低浓度下于细胞内阻断PRMT5,化合物24更容易穿过细胞屏障,在肝酶检测中的降解速度也更慢。

OpenAI表示,这些结果并不能说明模型可以发现新药或改善实验室决策。模型此前是否接触过已发表资料无法排除,而且每一次回应都没有工具、反馈或新实验可供使用。该基准依据历史证据设计,并非真实药物发现流程。

 
 
更多>同类资讯
全站最新
热门内容
网站首页  |  关于我们  |  联系方式  |  版权声明  |  争议稿件处理  |  English Version