MolRecBench-Wild：面向真实场景的光学化学结构识别基准
人工智能
2026-05-08 v1
摘要
光学化学结构识别（OCSR）旨在将科学文献中的分子图转化为机器可读格式，但现有系统在面对真实图像时仍不可靠，因其在视觉和化学复杂度上存在显著挑战。我们提出了MOSAIC框架，这一双维度难度评估体系包含37个细粒度标签，联合刻画分子图中视觉干扰与化学语义挑战的复杂度。基于此框架，我们构建了MolRecBench-Wild基准，包含5029个化学结构，来源于820篇近期化学论文，覆盖真实出版物中观察到的完整难度谱。为实现超越SMILES和MolFile的忠实语义评估，我们提出了CARBON表示语言， capable of expressing valence variations, icon-based groups, and other non-standard chemical semantics。我们进一步采用双轨评估协议，支持CARBON和SMILES输出，以适配更广泛的模型。对18个OCSR模型进行的全面实验揭示了在MolRecBench-Wild上存在严重的性能下降，暴露了以往专利基准与真实学术场景之间的巨大差距。
引用
@article{arxiv.2605.05832,
title = {MolRecBench-Wild: A Real-World Benchmark for Optical Chemical Structure Recognition},
author = {Haote Yang and Hui Wang and Chen Zhu and Jingchao Wang and Linye Li and Hongbin Lai and Huijie Ao and Yongxuan Lyu and Jiang Wu and Jiaxing Sun and Lua Chen and Yuanyuan Cao and Ruijie Zhang and Shengxin Lu and Lijun Wu and Bin Wang and Conghui He},
journal= {arXiv preprint arXiv:2605.05832},
year = {2026}
}