本研究提出ChemDual框架，解决化学反应与逆合成预测中的数据不足问题。通过引入440万条指令，结合增强型LLaMA模型和双任务学习，显著提升了预测准确性，展现了药物设计的潜力。

本文探讨了利用自然语言描述增强化学预测模型的方法，提出了TextReact，通过对文献中的文本与分子表示进行对齐，显著提升了反应条件推荐和逆合成的预测性能。同时，研究介绍了多种基于预训练语言模型的创新方法，强调了文本在化学反应预测中的重要性。