GPT-5准确率不足40%！北大发布多模态、高难度化学基准SUPERChem

背景：随着大语言模型在自然科学领域的应用从简单问答转向复杂推理，现有化学专用基准多关注基础能力，缺乏对深度推理的系统考察。研究目的：北京大学团队发布多模态、高难度化学推理基准SUPERChem，旨在系统评估大语言模型的化学推理能力，填补化学深度推理评估的空白。结论：评测结果显示，前沿模型如GPT-5准确率仅38.5%，与低年级本科生水平相当，且在高阶化学推理环节存在短板，为模型优化提供了方向。