在北京大学化学与分子工程学院，期中考前突如其来的一条通知，却让这场考试的气氛变得不同寻常：考场里迎来的一批“特殊考生”。它们不需要落座，也无需纸笔。它们是GPT、Gemini、DeepSeek……这些当下世界上最聪明的AI，正在云端与174位北大化学与分子工程学院的大二学生同场竞技。

这是一场精心设计的“图灵测试”，也是北大科研团队为大语言模型投下的一块“试金石”——近日，北大化院联合北大计算中心、计算机学院、元培学院团队，发布了最新成果SUPERChem。近期，他们以一套“北大试卷”为标尺，冷静丈量着AI在科学推理上的真实边界。

说考生

一场特殊的期中考 AI考生和北大学子同考一张试卷

打开SUPERChem的题库，一种“压迫感”扑面而来。

晶体结构的精细解析、反应机理的深度推演、物化性质的定量计算……这500道题目并非来自网络上随手可得的公开题库，而是源于对高难度试题和前沿专业文献的深度改编。

为什么要费尽周折重新出题？

“因为大模型太会‘背书’了。”团队成员解释道。互联网可及的测试题大多已被博闻强识的AI在训练阶段熟读。而化学，恰恰是一门不能只靠死记硬背的学科。它既有严密的逻辑推演，又充满了对微观世界的空间想象。“我们非常好奇，大语言模型的一维 next token prediction，能否解决二维、甚至三维空间中的复杂推理问题。”

要设计一套让AI“没见过”、必须靠硬实力推理的题目，难度极高。然而，这正是北大化院的独特优势所在。近百名师生——其中不乏奥赛金牌得主——集结起来，决定给AI出一套高门槛、重推理、防作弊的试卷。

他们要考的，是AI是否真的“懂”化学。

说试题

一场北大人的学术共创

出题过程就像在游戏中打怪升级

设计题目往往是枯燥的，但这群年轻的北大人却把它变成了一场“游戏”。

为了构建这套高质量评估集，团队搭建了一个专属协作平台。在这里，出题、审题、修题从单调的任务，变成了一套循序渐进的“通关”流程。成员在平台上协作，互相审阅、彼此“找茬”，让严谨的科学探讨与活跃的思维碰撞交织共融。

团队还引入了积分激励系统，让出题过程就像在游戏中打怪升级。一道题目需历经编写初稿、撰写解析、再通过初审与终审的严格审核，每个环节均由不同的同学把关，并发放相应的积分。终审通过的题目，甚至最多迭代过15个版本。

说结果

当最强大脑遇上“北大难度”

AI成绩仅与低年级本科生相当

考试成绩揭晓。

在这场精心设计的考试中，人类展现出了复杂的科学直觉。作为基线，参与测试的北大化院本科生取得了40.3%的平均准确率。这个数字本身，就足以说明这套题目的硬核程度。

而AI的表现如何？

即便是接受测试的顶尖模型，其成绩也仅与低年级本科生的平均水平相当。

让团队感到意外的是视觉信息带来的困惑。化学的语言是图形，分子结构、反应机理图蕴含着关键信息。然而对于部分模型而言，当引入图像信息时，其准确率不升反降。这说明，当前的AI在将视觉信息转化为化学语义时，仍存在明显的感知瓶颈。

然而，即使选对了答案，解题步骤也可能经不起推敲。因此，团队为每一道题目都标注了详细的评分规则。在SUPERChem这台“显微镜”下，AI是真懂还是装懂，一目了然。

团队发现，AI的推理链条往往断裂于产物结构预测、反应机理识别以及构效关系分析等高阶任务。当前的顶尖模型虽然拥有海量的知识储备，但在处理需要严密逻辑和深刻理解的硬核化学问题时，仍显得力不从心。

科普一下

SUPERChem项目

SUPERChem的诞生，填补了化学领域多模态深度推理评测的空白。

团队发布这项成果，并非为了证明AI的短板，而是为了推动它走得更远。SUPERChem就像一个路标。它提醒我们：从聊天机器人，到专业科学助手，中间还有很长的一段路要走。那是从“记住知识”到“理解物理世界”的跨越。

目前，SUPERChem项目已全面开源。团队希望这套源自北大的“试卷”，能成为全球科学与人工智能领域的公共财富，去催化下一次技术的爆发。

AI医生“出诊”记

“孩子这半个月天天晚上睡不好，夜里总醒。”近日，一位家长带着一岁多的孩子，满心焦虑地走进北京市房山区燕山医院求助。为精准高效找到病因，接诊的基层医生引导家长借助“AI儿科医生”辅助诊疗。

“孩子每日作息是否规律，夜间入睡、晨起及白天午睡时间是否固定？”“孩子白天活动量与户外活动时长是多久？”……“AI儿科医生”在协助排除病理性问题后，围绕核心症结展开追问，诊疗逻辑清晰。

根据“AI儿科医生”的梳理引导，医生最终确诊孩子为儿童行为性睡眠障碍，并参考AI给出的建议，为家长制定了调整作息、优化喂养习惯等切实可行的干预方案。

早在今年6月，北京北儿窦店儿童医院的一名“AI儿科医生”正式“上岗出诊”，是这一前沿人工智能医疗应用在北京基层医院落地的关键一步。

落地北京北儿窦店儿童医院的“AI儿科医生”基层版，整合了北京儿童医院300余位知名专家的临床智慧与脱敏后的高质量病历数据，构建了覆盖儿童常见病及疑难病的立体化诊疗知识库。

依托自然语言处理技术，AI医生能模拟专业儿科医生的循证思维，进行多轮病情询问，为患儿提供个性化诊疗建议。北京北儿窦店儿童医院专家认为，“AI儿科医生”判断详细全面，给出的建议具体且贴合实际，为患儿后续诊疗提供了有效参考。

北京儿童医院副院长赵成松表示，北京儿童医院后续将在12家北京市儿科医联体成员单位启动“AI儿科医生”推广工作，以国家区域医疗中心、儿科医联体、县级三甲医院、社区医院等多种场景为试点，通过云端部署或本地化部署，以“AI儿科医生+真人医生”的“双医模式”，赋能全国儿科诊疗能力提升。

本组稿件据新华社