在北大化院，有机化学考试是许多同学痛并快乐着的挑战。然而，期中考前突如其来的一条通知，却让这场考试的气氛变得不同寻常：

“请注意，本次考试范围不仅限于有机化学。” 

但比起考试范围的变化，考场里迎来的一批“特殊考生”，更让人意想不到。

它们不需要落座，也无需纸笔。它们是GPT、Gemini、DeepSeek……这些当下世界上最聪明的AI，正在云端与174位北大化学与分子工程学院的大二学生同场竞技。

这是一场精心设计的“图灵测试”，也是北大科研团队为大语言模型投下的一块“试金石”。

近日，北京大学化学与分子工程学院联合计算中心、计算机学院、元培学院团队，发布了最新成果SUPERChem。在这个寒冷的冬日，他们以一套“北大试卷”为标尺，冷静丈量着AI在科学推理上的真实边界。

考试现场

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，考出的高分往往掩盖了其推理能力的苍白。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，大语言模型的一维 next token prediction，能否解决二维、甚至三维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。

SUPERChem总览与例题

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、淬炼，最终沉淀为一套含金量极高的基准测试。

SUPERChem题库的三阶段审核流程

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硬核程度。

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。

前沿模型在SUPERChem上的表现

前沿模型的正确率与RPF关系

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、反应机理图蕴含着关键信息。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。

输入模态对不同模型的影响

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。

推理断点所属化学能力分布

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的短板，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。

SUPERChem平台界面

团队介绍

SUPERChem项目由北京大学化学与分子工程学院与元培学院赵泽华、黄志贤、李隽仁、林思宇同学领衔完成。77位北京大学化学专业博士生与高年级本科生参与了题库的构建与审核，其中包括3位国际化学奥林匹克（IChO）获奖选手与64位中国化学奥林匹克（CChO）决赛获奖选手。174位北京大学化学专业低年级本科生参与了人类基线测试。

SUPERChem项目在北京大学化学与分子工程学院裴坚、高珍老师，计算中心马皓老师，计算机学院杨仝老师的指导下开展。项目获得北京大学计算中心与高性能计算平台资源支持，来自多家机构和化学与分子工程学院邹鹏、郑捷等多位教授的题目素材支持，以及高杨、龙汀汀老师的专业协助。

论文  https://arxiv.org/abs/2512.01274

数据

https://huggingface.co/datasets/ZehuaZhao/SUPERChem

网站

https://superchem.pku.edu.cn

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

来源 | 北京大学融媒体中心、北京大学化学与分子工程学院、北京大学计算机学院、北京大学元培学院、北京大学计算中心

文字&编辑 | 吴卓颖、马诗尧

排版 | 王俊晔、陈蕾

责编 | 陈蕾

展开全文