ACS Catalysis | 清华大学王笑楠团队:“精馏”催化文献知识:利用长上下文大模型智能体实现文献知识提炼与结构化规整
ACS美国化学会
2025-11-08 09:00
文章摘要
本文背景是催化科学依赖高质量数据,但大量实验知识被锁定在非结构化文献中,传统提取方法效率低。研究目的是开发CATDA智能体框架,利用长上下文大语言模型自动提取和关联催化文献中的合成、表征与性能数据。结论显示该框架在二甲苯异构化专利测试中F1值达0.983,效率比人工提升12倍,提取数据能有效支持机器学习建模(如乙苯转化率预测R²=0.89),并通过CatAgent实现自然语言交互查询,但面临模型输出不一致性和多模态解析等挑战。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者速来电或来函联系。