ChemData 化学任务数据集

该数据集是由上海人工智能实验室于 2024 年与其发布的首个科学大模型浦科化学大模型 (ChemLLM) 一同开源的，相关论文成果为「ChemLLM: A Chemical Large Language Model」。

This dataset was open-sourced by the Shanghai AI Laboratory in 2024, together with its inaugural scientific large language model, the Puker Chemical Large Language Model (ChemLLM). The associated academic paper is titled "ChemLLM: A Chemical Large Language Model".

搜集汇总

背景与挑战

背景概述

该数据集是上海人工智能实验室在2024年随ChemLLM大模型开源的一套化学任务数据集，包含ChemData700K、ChemBench-4K、ChemPref-10K和C-MHChem等子集，覆盖分子、反应等化学核心任务，旨在支持大语言模型的化学能力微调和评估。