本文探讨了大型语言模型（LLMs）在化学领域的应用与挑战，分析了如何将分子信息整合到LLMs中，并讨论了其在化学任务中的多样化应用。研究指出，LLMs在化学性质预测中表现优异，但仍需改进安全性和实用性。ChemLLM作为专门的化学语言模型，能够高效完成多种化学任务，推动科学发现。

本文探讨了大型语言模型（LLMs）在化学领域的应用，提出了上下文分子适应（ICMA）和对比优选优化（CPO）等新方法，提升了分子字幕翻译和其他化学任务的性能。研究介绍了ChemLLM模型及其在化学文献处理中的潜力，强调了整合化学知识和模型可解释性的重要性。