대규모 언어 모델을 이용한 화학 반응의 메커니즘 추론 학습

요약

본 논문은 대규모 언어 모델(LLMs)의 화학 지능 강화를 위해 반응 메커니즘 학습의 중요성을 강조합니다. 기존 LLM들이 거시적 예측에 머물러 환각 문제를 겪는 한계를 극복하고자, 새로운 대규모 추론 데이터셋과 FukuyamaBench라는 까다로운 벤치마크를 구축했습니다. 이를 통해 Qwen3-30B-A3B 모델이 메커니즘 인지 학습을 거쳐 높은 정확도를 달성했음을 입증했습니다.

핵심 포인트

• LLMs의 화학 지능 향상을 위해 반응 메커니즘 학습이 필수적입니다.
• 기존 LLM은 거시적 예측에 그치고 환각 문제를 겪습니다.
• FukuyamaBench를 구축하여 메커니즘 추론을 엄격하게 평가했습니다.
• Qwen3-30B-A3B 모델이 전문 모델 대비 우수한 성능을 보였습니다.