ChemVTS-Bench: Evaluating Visual-Textual-Symbolic Reasoning of Multimodal Large Language Models i...

发布时间：2026/10/13 2:39:17

ChemVTS-Bench: Evaluating Visual-Textual-Symbolic Reasoning of Multimodal Large Language Models i...
一、文章主要内容总结本文针对现有化学领域多模态大语言模型（MLLMs）评估基准的不足，提出了ChemVTS-Bench——一个专注于评估MLLMs化学领域视觉-文本-符号（VTS）推理能力的领域真实基准。现有基准的局限性：现有化学相关基准多依赖简单图文对，化学语义有限，未覆盖视觉、文本、SMILES（简化分子输入行项系统）等核心模态，且难以评估模型跨模态整合能力，存在对模型推理能力的高估问题。ChemVTS-Bench的核心设计：数据来源：筛选自高中化学考题，经Qwen3-VL模型过滤和专业化学教师二次审核，共445道题，覆盖结构化学、有机化学及其他化学领域，包含选择题和填空题。输入模态：提供三种互补输入模式——纯视觉输入、视觉-文本混合输入、SMILES符号输入，支持细粒度分析模型的模态依赖推理行为。评估流程：设计自动化智能体工作流，标准化推理过程、验证答案正确性，并将错误分为视觉识别错误（VRE）、符号解析错误（SPE）、数值计算错误（NCE）、知识型错误（KBE）、逻辑推理错误（LRE）五类进行诊断。实验结果与发现：模型表现：闭源模型（如Gemini-2.5-Pro、GPT-5）跨模态一致性更强，开源模型（如Llama 3.2）在纯视觉输入下表现薄弱，视觉接地能力不足。领域难度：结构化学是最难领域（依赖空间/拓扑线索和精细原子排列识别）

相关新闻

基于VSCode与GCC的GD32F103开发环境搭建与迁移实战

基于VSCode与GCC的GD32F103开发环境搭建与迁移实战

1. 项目缘起：从STM32到GD32的迁移与VSCode的诱惑 作为一名常年混迹于嵌入式开发一线的工程师，我对STM32F103系列MCU可以说是又爱又恨。爱的是它生态成熟、资料遍地，恨的是它价格波动剧烈，项目成本控制时常面临挑战。几年前&#x…

2026/10/1 17:28:03 阅读更多 →
顺德网站建设哪家好？揭秘优质建站公司的核心标准与避坑指南

顺德网站建设哪家好？揭秘优质建站公司的核心标准与避坑指南

最近在顺德，尤其是大良、容桂这些经济活跃的区域，不少老板和朋友跟我聊天时都会提到一个困扰他们已久的问题：想给公司建个网站，但面对市面上眼花缭乱的服务商，到底顺德网站建设哪家好？这个问题看似简单，实则充满了学问。很多第一次接触建站的企业负责人，往往因为信息不…

2026/10/8 17:57:37 阅读更多 →
痛风急性期外用制剂怎么选？从剂型机理聊聊关节肿痛局部干预方案

痛风急性期外用制剂怎么选？从剂型机理聊聊关节肿痛局部干预方案

摘要痛风急性发作阶段，受累关节快速出现红肿、灼热、剧烈痛感，不少患者在遵医嘱内服调理之外，会搭配外用制剂缓解局部不适。当前市面上外用产品品类繁杂，贴膏、软膏、喷雾、涂膜剂种类众多，品质参差不齐。很多高尿酸人…

2026/10/7 13:26:55 阅读更多 →

最新新闻

Natron 节点详解：G‘MIC Dithering 抖动滤镜的参数配置与实战应用

Natron 节点详解：G‘MIC Dithering 抖动滤镜的参数配置与实战应用

音视频视频处理图形学桌面应用 【免费下载链接】Natron Open-source video compositing software. Node-graph based. Similar in functionalities to Adobe After Effects and Nuke by The Foundry. 项目地址： https://gitcode.com/gh_mirrors/na/Natron 点击查看 …

2026/10/13 2:38:33 阅读更多 →
Natron G‘MIC Oldschool 8bits 节点参数详解与自动文档生成机制

Natron G‘MIC Oldschool 8bits 节点参数详解与自动文档生成机制

音视频视频处理图形学桌面应用 【免费下载链接】Natron Open-source video compositing software. Node-graph based. Similar in functionalities to Adobe After Effects and Nuke by The Foundry. 项目地址： https://gitcode.com/gh_mirrors/na/Natron 点击查看 …

2026/10/13 2:38:33 阅读更多 →
Apache OpenDAL Metadata 基准测试指南：从字段布局到紧凑值块的性能验证

Apache OpenDAL Metadata 基准测试指南：从字段布局到紧凑值块的性能验证

数据存储后端 【免费下载链接】opendal Apache OpenDAL: One Layer, All Storage. 项目地址： https://gitcode.com/gh_mirrors/op/opendal 点击查看 免费下载 Apache OpenDAL 的 core/benches/metadata 目录提供了一组专门针对 Metadata 类型与原始操作参数&#x…

2026/10/13 2:38:33 阅读更多 →
DevSpace attach 命令详解：接入运行中容器并掌握目标 Pod 选择与 attach 底层原理

DevSpace attach 命令详解：接入运行中容器并掌握目标 Pod 选择与 attach 底层原理

云原生开发工具DevOps容器编排 【免费下载链接】devspace DevSpace - The Fastest Developer Tool for Kubernetes ⚡ Automate your deployment workflow with DevSpace and develop software directly inside Kubernetes. 项目地址： https://gitcode.com/gh_mirro…

2026/10/13 2:38:33 阅读更多 →
C# LINQ 从入门到精通：查询语法、延迟执行与性能优化实战

C# LINQ 从入门到精通：查询语法、延迟执行与性能优化实战

/* MD / 富文本中的 .toc（含博客园搬家等嵌套结构）；.toc-box 在侧栏，不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p（:empty 仍占 20px），一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/13 2:38:33 阅读更多 →
金监局计算机岗备考：百日每日一练与真题拆解全攻略

金监局计算机岗备考：百日每日一练与真题拆解全攻略

国考计算机岗位的备考，最怕的就是“什么都看了，又好像什么都没看”。尤其是金监局这种既要考行测申论、又要考专业科目的岗位，计算机岗的复习经常陷入两种极端：要么一头扎进行测题海里，把专业课扔到考前一个月才开始翻…

2026/10/13 2:37:33 阅读更多 →

日新闻

物联网系统集成避坑指南：从选型到验收的关键要点

物联网系统集成避坑指南：从选型到验收的关键要点

做了这么多年物联网系统集成的项目，我最大的感受是，大部分坑不是出在技术前沿，而是出在一些看起来很平常的地方。设备选了便宜的、协议没问清楚、现场没摸透、验收标准写得含糊——这些细枝末节，最后都会变成延期、超支和扯皮的大…

2026/10/13 0:00:57 阅读更多 →
ESP32舵机控制全攻略：从PWM原理到高级玩法与常见故障排查

ESP32舵机控制全攻略：从PWM原理到高级玩法与常见故障排查

如果你玩ESP32有一阵子了，很难不碰到舵机控制这道坎。做智能小车要转方向，做机械臂要抬关节，做云台要偏航俯仰，背后都是同一个东西在干活：舵机。而我见过太多人卡在“代码能编译、舵机就是不听话”这个阶段&#xff0c…

2026/10/13 0:00:57 阅读更多 →
CAN总线原理与STM32实战：抗干扰、仲裁、错误处理全解析

CAN总线原理与STM32实战：抗干扰、仲裁、错误处理全解析

1. 为什么CAN总线至今仍是工业现场的“硬通货”？——从汽车底盘到智能温室的真实需求你有没有拆过一辆老款燃油车的中控台？或者调试过某高校实验室里那台跑着Modbus协议却频频丢帧的PLC控制柜？又或者，在某个农业物联网项目里&…

2026/10/13 0:00:57 阅读更多 →

周新闻

流感时间序列预测实战：ARIMA/LSTM全流程拆解与避坑指南

流感时间序列预测实战：ARIMA/LSTM全流程拆解与避坑指南

简介：基于 ARIMA、LSTM、Transformer 等模型的流感时间序列预测 Python 源码，面向计算机相关专业课程设计与期末大作业学生，以及项目实战学习者。内容覆盖预处理、平稳性检验、定阶、残差分析、多模型对比预测的完整时序建模流程，…

2026/10/12 0:16:30 阅读更多 →
影刀RPA新手教程：键盘模拟输入实战——输入文本与模拟按键的区别

影刀RPA新手教程：键盘模拟输入实战——输入文本与模拟按键的区别

影刀RPA新手教程：键盘模拟输入实战——输入文本与模拟按键的区别 做影刀RPA自动化，十个新手有八个栽在"往输入框里填东西"这件事上：要么填不进去，要么填了一半，要么直接把原来内容追加在后面。这背后的根因&…

2026/10/12 0:16:38 阅读更多 →
影刀RPA新手教程：阅文起点小说数据采集实战——书籍信息与章节内容

影刀RPA新手教程：阅文起点小说数据采集实战——书籍信息与章节内容

影刀RPA新手教程：阅文起点小说数据采集实战——书籍信息与章节内容 1. 认识影刀：什么场景该用RPA采小说数据 起点中文网的页面结构相对稳定——分类榜单、书籍详情、章节内容三块独立页面，跳转链路清晰。这种场景非常适合影刀自动化&#x…

2026/10/13 1:58:08 阅读更多 →

月新闻

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

/* MD / 富文本中的 .toc（含博客园搬家等嵌套结构）；.toc-box 在侧栏，不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p（:empty 仍占 20px），一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/12 21:05:09 阅读更多 →
Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

/* MD / 富文本中的 .toc（含博客园搬家等嵌套结构）；.toc-box 在侧栏，不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p（:empty 仍占 20px），一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/12 14:48:49 阅读更多 →
黑夜航拍船只数据集训练YOLOV5模型全流程解析

黑夜航拍船只数据集训练YOLOV5模型全流程解析

/* MD / 富文本中的 .toc（含博客园搬家等嵌套结构）；.toc-box 在侧栏，不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p（:empty 仍占 20px），一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/12 18:11:17 阅读更多 →