化学大模型指令微调数据集

ChemData700K - SMILES - only 是适配化学大模型指令微调的专属精简数据集，它源于上海人工智能实验室构建的 ChemData 大规模化学数据集，是其 700 万条化学问答数据中抽取的 1/10 核心样本子集，总量达 73 万条高质量问答数据。该数据集聚焦 SMILES（简化分子线性输入规范）相关数据，采用模板化指令构建方法，将 PubChem、ChEMBL、ZINC 等权威库的结构化化学数据转化为适配大模型训练的自然对话形式。其涵盖分子、反应、专属领域三大类化学核心任务，具体包含分子名称转换、反应产物预测、分子性质预测等 9 项细分任务，既能针对性支撑 ChemLLM 等化学大模型的微调优化，助力模型强化对分子结构与化学反应的理解能力，也可用于化学领域专用小模型的基础训练，为药物研发、化合物分析等场景的模型研发提供聚焦 SMILES 格式的高效数据支撑。