ИИтог

AskChem: систему поиска по химическим статьям построили не на документах, а на проверяемых фактах

инструментыРедакция ИИтогHugging Face🔥59Рейтинг ИИтог59Влияние70Новизна75Релевантность100Неожиданность45Участники30Достоверность80
AskChem: систему поиска по химическим статьям построили не на документах, а на проверяемых фактах

Обычные системы поиска по научной литературе возвращают список статей, и учёному (или ИИ-агенту) приходится вручную искать нужные утверждения, проверять их происхождение и сводить данные из разных публикаций воедино. Bing Yan с соавторами описали AskChem, инфраструктуру для сквозного поиска по химической литературе, которая меняет саму единицу поиска: вместо статьи это отдельное типизированное утверждение (факт), привязанное к конкретному DOI источника и подкреплённое либо дословной цитатой, либо явной ссылкой на место в документе, где это утверждение доказывается.

Над этим общим хранилищем фактов AskChem строит три взаимодополняющие структуры: стабилизированную фасетную таксономию для иерархического поиска и просмотра, граф доказательств, связывающий факты между собой по типу отношений, и «живую» исследовательскую таксономию, которая размещает проиндексированные статьи в контексте научных принципов. На момент публикации AskChem уже индексирует 2,4 миллиона фактов из 147 тысяч статей и доступен через веб-интерфейс, а также REST API, SDK и протокол MCP для ИИ-агентов; сервис работает по адресу askchem.org.

Эффект проверили на собственном тесте AskChem-Bench: если языковую модель GPT-5.5 в роли читателя-ответчика подключить к AskChem, доля ответов со ссылками на реально разрешимые DOI достигает 100%, тогда как без такого поиска, только 88,3%. Кроме того, AskChem показал самую высокую плотность цитирования среди пяти протестированных систем.

Ключевые факты

  • AskChem меняет единицу поиска по научной литературе: не статья, а отдельное типизированное утверждение с привязкой к DOI и дословной цитатой или явной ссылкой на доказательство
  • Система индексирует 2,4 млн фактов из 147 тыс. статей по химии и доступна через веб-интерфейс, REST API, SDK и MCP, то есть напрямую для ИИ-агентов
  • На тесте AskChem-Bench модель GPT-5.5, подключённая к AskChem, даёт 100% разрешимых ссылок на DOI против 88,3% без такого поиска
  • Среди пяти протестированных систем поиска AskChem показал наивысшую плотность цитирования
  • Сервис уже работает вживую на askchem.org, а не остаётся прототипом только в статье

Почему это важно

Синтез химической литературы требует собирать конкретные находки, разбросанные по множеству публикаций, а обычные поисковые системы отдают лишь список документов, искать нужные утверждения, проверять их происхождение и сводить данные из разных статей приходится вручную. AskChem меняет саму единицу поиска: вместо документа, типизированный факт с привязкой к источнику. Это касается не только людей: авторы явно рассчитывают на то, что такими фактами будут пользоваться ИИ-агенты, а не только исследователи-люди.

Кому это важно

В первую очередь, химикам и научным сотрудникам, которые готовят обзоры литературы и ищут конкретные результаты по узкой теме среди тысяч статей. Во вторую, разработчикам ИИ-агентов и исследовательских ассистентов для химии и смежных наук: система изначально спроектирована так, чтобы факты и их доказательства мог использовать не только человек, но и автоматизированный агент через MCP.

Как это применить

AskChem уже работает как публичный сервис на askchem.org: доступен веб-интерфейс для поиска и просмотра фактов, а также REST API и SDK для интеграции в собственные инструменты. Отдельно поддерживается протокол MCP, им можно подключить AskChem напрямую к ИИ-агенту, чтобы тот получал не абстрактный список статей, а конкретные проверяемые утверждения с указанием источника.

Можно ли доверять

Каждый факт в системе привязан к конкретному DOI источника и подкреплён либо дословной цитатой, либо явной ссылкой на место в документе, то есть архитектура сама по себе построена вокруг проверяемости. На собственном тесте AskChem-Bench подключение GPT-5.5 к AskChem довело долю ответов со ссылками на реально разрешимые DOI до 100% против 88,3% без такого поиска, а плотность цитирования оказалась выше, чем у четырёх других протестированных систем. При этом обсуждение материала на Hacker News минимальное (79 баллов и всего один комментарий), независимой проверки результатов вне самой статьи в источнике нет.

Риски и подводные камни

Проверка эффективности сделана на собственном тесте авторов (AskChem-Bench), сравнения на независимых, чужих бенчмарках в источнике не приводится. Покрытие пока ограничено 147 тысячами статей по химии, это много для нишевого инструмента, но далеко не вся мировая химическая литература. Ничего не сказано о том, кто поддерживает проект дальше, о стоимости доступа к API или о планах по расширению, эти детали в источнике отсутствуют, и додумывать их не стоит.