STRUCTCHEM：提高大语言模型解决复杂化学问题的能力GPT 4在许多领域表现出色，但在化学等复杂科学推理方面仍存在困难。STRUCTCHEM提出了一种新的提示策略，将推理分为三阶段：生成公式、逐步推理、基于置信度的复查与优化通过这种方式显著提高GPT-4的化学推理能力。技术方法：公式生成： 引导模型生成解决问题所需的化学公式，并解释各个变量的含义。逐步推理： 基于生成的公式，逐步完成推理与计算，并提供初步答案。复查与优化： 根据推理过程的置信度得分，迭代优化推理步骤，最终得出高置信度的答案。实验结果：数据集： 使用四个化学子领域的复杂问题数据集，包括量子化学、力学、物理化学和动力学。效果： 与其他方法相比，STRUCTCHEM在各个数据集上都显著提高了准确率，在GPT-4模型上最高可提高30个百分点。