化学文献搜索改用「原子化声明」检索
推荐指数 55.0 NO. 020 · 2026.08.01
upvotes199comments1
为什么值得看
AskChem 将化学论文拆解为带出处（DOI+原文引用）的原子化声明，替代传统的整篇文档检索，支持跨论文直接合成答案。对做科学文献 AI 搜索的团队有直接参考价值，RAG 在垂直领域的粒度可以做得更细。
媒体预览
编辑判断
科学文献 RAG 的普遍痛点是检索到整篇论文后，模型仍需在长篇中定位具体实验结论，导致溯源困难和幻觉。AskChem 的「声明原子化」思路把粒度压到单句级，且强制绑定 DOI 和 verbatim 原文，这比 Perplexity 或 Elicit 的段落级引用更细、更可验证。
工程上值得注意：化学领域有相对结构化的实验声明格式（反应条件、产率等），这种原子化提取在更自由的生物医学或材料科学中是否通用还不确定。代码和 claim store 是否开源未提及，如果开源，做科研搜索的团队可以直接 fork 这个 pipeline 适配自己的领域。
相关内容
MOOSE-Chem: Large Language Models for Rediscovering Unseen Chemistry Scientific Hypotheses 利用大语言模型重新发现未见的化学科学假设，涉及化学文献假设生成与检索方法。 ChemNLP: A Natural Language Processing based Library 用于材料与化学文献数据集整理的自然语言处理库，支持化学文本挖掘与信息提取。 Generative organic electronic molecular design informed by excited state calculations 结合强化学习与量子化学计算的分子设计框架，涉及化学知识表示与检索方法。