在化学领域应用大模型时，很多人都会遇到模型处理分子相关任务准确率偏低的问题，以往大家往往认为是模型本身的能力不足，却忽略了分子表示方法的影响。
MolJSON是什么
MolJSON是牛津大学团队提出的一种新型分子表示格式，它改变了传统分子信息的书写逻辑，更适配大模型的文本处理机制。和常见的SMILES、IUPAC名称等分子表示方式不同，MolJSON用结构化的JSON格式来呈现分子的各类信息，包括原子类型、化学键连接关系、空间结构参数等，让大模型能更清晰地理解分子的内在逻辑。
准确率提升的核心原因
过往让大模型处理IUPAC化学名称转SMILES分子式的任务时，准确率仅为43.7%，这个数据其实反映了传统分子表示方式和大模型文本处理习惯的不匹配。SMILES格式用一串字符表示分子结构，存在大量简写和隐含规则，大模型很容易出现理解偏差。
而MolJSON的优势在于它的结构化特征，每个分子信息都有明确的字段对应，没有模糊的简写规则，大模型不需要额外学习复杂的化学表示约定，就能直接读取到准确的分子信息。在同样的模型、同样的输入条件下，仅更换分子表示格式，准确率就提升到了71.0%，这个提升完全来自表示方式的优化，和模型微调、提示词调整都没有关系。
MolJSON的实际价值
这项研究打破了大家对大模型化学能力瓶颈的固有认知，说明很多时候不是大模型做不好化学任务，而是我们给的信息格式不符合它的处理逻辑。MolJSON的出现为化学领域的大模型应用提供了新的优化思路，不需要投入大量资源去微调模型，仅调整分子输入格式就能获得显著的准确率提升。
未来这种表示方式如果得到推广，还能降低化学领域使用大模型的门槛，让更多没有深厚化学信息学背景的用户，也能借助大模型完成分子相关的分析、转换任务，推动大模型在药物研发、材料科学等化学相关领域的落地应用。
| 分子表示方式 | 大模型转换准确率 |
|---|---|
| SMILES | 43.7% |
| MolJSON | 71.0% |
相关研究信息
这项研究的详细内容可以在ArXiv平台查看，相关论文地址为http://arxiv.org/abs/2605.01822v1，对分子表示和大模型化学应用感兴趣的用户可以进一步查阅完整研究内容。