本研究提出了Hum，一个高质量的合成指令语料库，旨在解决自然语言理解中的指令短缺问题。通过人机协作，丰富任务多样性，实验表明Hum能使六个大型语言模型的理解能力平均提升3.1%。

本研究探讨了大型语言模型（LLM）在化学领域的安全漏洞，特别是其提供危险物质合成指令的能力。提出了一种新颖的SMILES提示攻击技术，有效绕过现有安全机制，强调了加强特定领域安全防护的必要性。