Benchmark for Assessing Olfactory Perception of Large Language Models
本文提出了嗅觉感知（OP）基准，通过涵盖八类任务的双格式测试评估了 21 种大语言模型在嗅觉推理方面的能力，发现模型主要依赖词汇关联而非分子结构推理，且多语言集成能进一步提升预测性能。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
这篇论文就像是在给大语言模型（LLM）——也就是那些像 ChatGPT 这样的人工智能——进行一场**“鼻子测试”**。
想象一下，如果给 AI 一个化学分子式（比如一串乱码般的代码），或者给它一个化学物质的名字（比如“薄荷”），问它：“这个东西闻起来是什么味道？是好闻还是难闻？它像草莓还是像臭鱼？”
这篇论文的作者们觉得，现在的 AI 虽然能写诗、能写代码、能解数学题，但它们对**“嗅觉”这个人类感官的理解还是个巨大的黑箱。为了搞清楚 AI 到底有没有“嗅觉”，他们设计了一个名为OP（嗅觉感知）**的基准测试。
以下是这篇论文的通俗解读：
1. 这场“考试”考了什么？
这就好比给 AI 发了一张**“气味试卷”**，上面有 1,010 道题目，涵盖了 8 种不同的题型：
- 闻不闻得到？（比如：这个分子有味道吗？还是没味道的？）
- 是什么味？（比如：它是花香、木香还是果香？）
- 有多浓？多香？（比如：是像香水一样淡，还是像榴莲一样冲？是好闻还是难闻？）
- 混合味道（比如：把几种分子混在一起，闻起来像什么？像草莓还是像洋葱？）
- 身体反应（比如：这个分子会激活我们鼻子里的哪个“传感器”？）
2. 两个神奇的“考题形式”
这是这篇论文最有趣的地方。每一道题，AI 都要用两种形式来回答：
- 看名字：直接告诉它“这是薄荷”。
- 看结构：给它一串化学代码（SMILES），就像给它看分子的“骨架图”，但不告诉它名字。
结果发现了一个大秘密：
- 当 AI 看到名字（比如“薄荷”）时，它答得非常好，就像个博闻强记的学霸。
- 但当 AI 看到化学结构图（那串代码）时，它的表现就大打折扣，甚至像个瞎子。
这说明了什么？
这就像你让一个人猜一种水果的味道。
- 如果你说“这是苹果”，他能立刻说出“甜的、脆的”。
- 如果你给他看苹果的细胞结构图，他却完全猜不出来。
这说明，目前的 AI 并不是真的在**“理解”分子结构如何产生气味，它只是在“背单词”**。它记住了“薄荷”这个词对应“清凉的味道”，但它没学会从分子结构推导出这个味道。
3. 谁考得最好？
论文测试了 21 种不同的 AI 模型（包括 GPT-5 系列、Claude、Gemini 等）。
- 冠军：Claude Opus 4.6（最高配置版）考出了 64.4% 的总分。
- 现状：虽然比瞎猜强很多，但离满分（100%）还有很大距离。特别是那些需要真正理解“分子结构”和“气味”之间复杂关系的难题，AI 还是经常出错。
4. 一个有趣的“语言魔法”
作者们还发现，如果把题目翻译成 21 种不同的语言（中文、法文、斯瓦希里语等），让 AI 用不同语言去回答，然后把所有语言的答案拼在一起，准确率会更高（达到了 86%）。
- 比喻：这就像是一个“百家争鸣”的陪审团。也许英语 AI 擅长猜“花香”，中文 AI 擅长猜“果香”，把它们的答案结合起来，就能拼凑出更完整的气味图景。
5. 为什么这很重要？
- 科学意义：嗅觉是人类最古老、最神秘的感官。如果 AI 能真正理解气味，它就能帮助科学家设计新的香水、开发更好的食品，甚至检测空气中的有毒气体。
- AI 的局限：目前的 AI 更像是一个**“死记硬背的图书管理员”，而不是一个“化学家”**。它知道书里写了什么，但还没学会如何从原理上推导新知识。
总结
这篇论文就像给 AI 戴上了一个**“闻味面具”**，然后问它：“你闻到了什么？”
目前的结论是：AI 能认出很多熟悉的味道（靠背单词），但还没学会如何从分子的“骨架”中闻出新的味道。 这是一个巨大的挑战，也是未来 AI 需要攻克的“嗅觉高地”。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。