从是什么到为什么：面向证据驱动的化学反应条件推理的多智能体系统
人工智能
2026-03-27 v2 计算与语言
摘要
化学反应推荐是为化学反应选择合适的反应条件参数，这对加速化学科学至关重要。随着大语言模型（LLM）的快速发展，人们越来越有兴趣利用其推理和规划能力进行反应条件推荐。尽管取得了成功，现有方法很少解释所推荐反应条件背后的理由，这限制了其在高风险科学工作流中的效用。在本工作中，我们提出 ChemMAS，一个将条件预测重构为基于证据的推理任务的多智能体系统。ChemMAS 将任务分解为机理基础、多通道召回、约束感知的智能体辩论和理由聚合。每个决策都由基于化学知识和检索先例的可解释理由支撑。实验表明，ChemMAS 相比领域特定基线实现了 20-35% 的提升，在 Top-1 准确率上比通用大语言模型高出 10-15%，同时提供可证伪的、人类可信任的理由，从而为科学发现中的可解释人工智能建立了新范式。
引用
@article{arxiv.2509.23768,
title = {From What to Why: A Multi-Agent System for Evidence-based Chemical Reaction Condition Reasoning},
author = {Cheng Yang and Jiaxuan Lu and Haiyuan Wan and Junchi Yu and Feiwei Qin},
journal= {arXiv preprint arXiv:2509.23768},
year = {2026}
}
备注
Accepted by ICLR 2026