化学图里的反应不再靠人工转录：RxnMiner把立体感知反应F1从21.0%提到71.0%
核心概要
化学文献中的反应图常把多个实验画在同一张模板、取代基表和产物网格里，要还原成一条条具体反应记录，此前主要靠人工转录。RxnMiner把专家提取流程与化学工具箱组合成一个多模态智能体，先识别结构、再把证据绑定到每个实验条目、最后由确定性的R基团引擎实例化未画出的反应物。在603张反应图、8547条人工标注记录的ChemRxn-Bench上，以Qwen3.8-Flash-Next为骨干，其立体感知反应宏F1达到71.0%，直接预测为21.0%，最强现有提取系统为25.0%。
深度剖析
反应图可以被自动还原成逐条的具体反应记录，每条记录包含完整实例化的反应物与产物结构，并保留条件、结果和来源信息。 此前从期刊图中提取反应需要大量人工，例如AbSynth把近一个世纪的全合成转成机器可读资源时，依靠本科生多年整理出3000多条全合成、近6万个步骤。 在ChemRxn-Bench的603张反应图上，以Qwen3.8-Flash-Next为骨干，RxnMiner的立体感知反应宏F1为71.0%，同一模型直接预测为21.0%，最强现有提取系统ChemEAGLE为25.0%。
智能体按实验条目组织提取：先读图识别分子，再把共享模板、表格行和脚注中的证据绑定到具体条目，最后实例化未单独画出的反应物。 单独识别分子并不足以确定一条反应记录，因为共享模板和取代基表把信息只画一次，却要对应多个实验条目。 在五个骨干模型上，RxnMiner相对同一基础智能体框架Bare Pi的反应宏F1提升9.4到25.5个百分点；其中Qwen由59.6%升至71.0%，Kimi K3由57.7%升至69.0%。
同一套提取配置可以无人干预地扩展到文献规模，生成带来源链接的银级反应语料。 此前这类语料主要来自专利文本挖掘或人工贡献的实验记录，期刊图仍需人工转录。 在RxnCaption-11k训练集的10112张图中成功处理10107张，产出88202条带来源链接的反应记录，约为该来源集合原有24716条反应标注的3.6倍。
启示与展望
评测限定在ChemRxn-Bench的603张人工检查过的图裁剪上，输入包含图、图注、脚注和相关表格文字，不提供正文或支持信息；主指标只评分子身份与反应物—产物配对，条件与结果由单独的多模态评审模型评估，标识符和反应图链接不计分。银级语料来自RxnCaption-11k训练集的10107张图，未经人工验证。
银级语料未经人工验证；在1000张图的随机样本中，25223/25225条分子字符串可被RDKit解析（99.99%），但这只说明表示合法，不说明与源图一致或配对正确。立体化学仍是难点：Qwen骨干下立体感知与忽略立体化学的分数分别为71.0%和78.0%，相差7个百分点；案例中仍出现单个手性中心构型反转，以及在源图未指定构型处补上构型的情况。