北大老师太狠了 结果意想不到
时间:2025-12-27 17:02来源： 未知 点击: 次

一、一场特殊的期中考

打开SUPERChem的题库，一种“压迫感”扑面而来。

晶体结构的精细解析、反应机理的深度推演、物化性质的定量计算……这500道题目并非来自网络上随手可得的公开题库，而是源于对高难度试题和前沿专业文献的深度改编。

为什么要费尽周折重新出题？

“因为大模型太会『背书』了。”团队成员解释道。互联网可及的测试题大多已被博闻强识的AI在训练阶段熟读。而化学，恰恰是一门不能只靠死记硬背的学科。它既有严密的逻辑推演，又充满了对微观世界的空间想象。“我们非常好奇，大语言模型的1D next token prediction，能否解决2D、甚至3D空间中的复杂推理问题。”

要设计一套让AI“没见过”、必须靠硬实力推理的题目，难度极高。然而，这正是北大化院的独特优势所在。近百名师生——其中不乏奥林匹克金牌得主——集结起来，决定给AI出一套高门槛、重推理、防作弊的试卷。

他们要考的，是AI是否真的“懂”化学。

二、一场游戏中的学术共创

设计题目往往是枯燥的，但这群年轻的北大人却把它变成了一场“游戏”。

为了构建这套高质量评估集，团队搭建了一个专属协作平台。在这里，出题、审题、修题从单调的任务，变成了一套循序渐进的“通关”流程。成员们在平台上协作，互相审阅、彼此“找茬”，让严谨的科学探讨与活跃的思维碰撞交织共融。

团队还引入了积分激励系统，让出题过程就像在游戏中打怪升级。一道题目需历经编写初稿、撰写解析，再通过初审与终审的严格审核，每个环节均由不同的同学把关，并发放相应的积分。终审通过的题目，甚至最多迭代过15个版本。

在化学学院的一间间会议室里，灵感的火花不断闪现、碰撞、焠炼，最终沉淀为一套含金量极高的基准测试。

三、当最强大脑遇上“北大难度”

考试成绩揭晓。

在这场精心设计的考试中，人类展现出了复杂的科学直觉。作为基线，参与测试的北大化院本科生取得了40.3％的平均准确率。这个数字本身，就足以说明这套题目的困难程度。

而AI的表现如何？

即便是接受测试的顶尖模型，其成绩也仅与低年级本科生的平均水平相当。

让团队感到意外的是视觉信息带来的困惑。化学的语言是图形，分子结构、反应机理图蕴含著关键信息。然而对于部分模型而言，当引入图像信息时，其准确率不升反降。这说明，当前的AI在将视觉信息转化为化学语义时，仍存在明显的感知瓶颈。

然而，即使选对了答案，解题步骤也可能经不起推敲。因此，团队为每一道题目都标注了详细的评分规则。在SUPERChem这台“显微镜”下，AI是真懂还是装懂，一目了然。

团队发现，AI的推理链条往往断裂于产物结构预测、反应机理识别以及构效关系分析等高阶任务。当前的顶尖模型虽然拥有海量的知识储备，但在处理需要严密逻辑和深刻理解的硬核化学问题时，仍显得力不从心。
四、通向AGI的一小步

SUPERChem的诞生，填补了化学领域多模态深度推理评测的空白。

团队发布这项成果，并非为了证明AI的缺点和不足，而是为了推动它走得更远。SUPERChem就像一个路标。它提醒我们：从通用的聊天机器人，到能够理解构效关系、推演反应机理的专业科学助手，中间还有很长的一段路要走。那是从“记住知识”到“理解物理世界”的跨越。

目前，SUPERChem项目已全面开源。团队希望这套源自北大的“试卷”，能成为全球科学与人工智能领域的公共财富，去催化下一次技术的爆发。或许在不久的将来，当我们再次打开这张试卷时，AI能交出一份满分的答卷。那将是化学与人工智能共同的惊喜。
五、挑战一下？

我们选取了一道未能进入SUPERChem题库的“简单”题目，邀请你来体验这场考试。

为纪念门捷列夫发现元素周期律150周年，国际纯粹和应用化学联合会将2019年设为“国际化学元素周期表年”。门捷列夫预言了多种当时未知的元素，M即为其中之一。

M是一种银白色金属，质软，能溶于浓硫酸、硝酸、盐酸和稀碱溶液。M与氧气加热至250°C反应，可得到淡黄色固体A，A经SOCl2处理可得到亮黄色固体B，B也可由M与黄绿色气体C直接加热反应得到；若将B与单质气体D加热至200°C反应，则转化为红色固体E；将M直接溶于稀盐酸，也可得到E的溶液；但若将镀有M的镁片溶于稀盐酸，可以制得少量二元化合物F；F在常温下为液体，不稳定，其水溶液显酸性；F能与金属钾反应，生成淡灰色固体G，并放出单质气体D。

根据上述信息，从以下选项选出正确的说法：

A：物质M的原子序数和族数的奇偶性不同。

B：镀有M的镁片与稀盐酸反应，产物中Mg的化合价与A中M的化合价一样。

C：G具有反萤石结构。

D：由于空气氧化，E溶液久置会转化成含B溶液。