论文页面 - AskChem：面向化学文献综述的基于主张的基础设施

摘要

化学文献综述通常需要整合分散在众多出版物中的具体发现，然而现有的文献检索系统主要返回排序后的文档列表。因此，科学家和AI代理需要手动定位相关信息、验证其来源，并整合跨论文的答案。我们提出AskChem，一个用于跨论文化学搜索的基于主张的基础设施。AskChem将检索单元从论文转变为携带来源的主张：每篇论文被转换为原子化的、带类型的主张，每个主张都通过来源DOI和逐字引文或显式证据定位器来提供依据。在这个共享的主张存储之上，AskChem提供了互补的搜索与综合结构：用于层级检索和浏览的稳定分面分类法、通过关系连接主张的证据图，以及一个探索性的动态分类法，将索引论文归入科学原理之下。AskChem目前索引了来自14.7万篇论文的240万条主张，并提供Web界面，以及面向AI代理的REST、SDK和MCP访问。在AskChem-Bench上，将GPT-5.5阅读器接入AskChem后，可解析的DOI达到100%，而无检索时为88.3%，并且在五个测试系统中获得了最高的引文密度。AskChem已上线，网址为https://askchem.org。

查看arXiv页面 (https://arxiv.org/abs/2607.28618) 查看PDF (https://arxiv.org/pdf/2607.28618) 项目页面 (https://www.askchem.org/) GitHub2 (https://github.com/bingyan4science/askchem) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2607.28618)

在你的代理中获取这篇论文：

hf papers read 2607\.28618

没有最新的CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

没有模型链接此论文

在模型 README.md 中引用 arxiv.org/abs/2607.28618 即可从此页面链接到该模型。

引用此论文的数据集1

bing-yan/askchem 约1小时前更新 • 139 (https://huggingface.co/datasets/bing-yan/askchem)

引用此论文的Space0

没有Space链接此论文

在Space README.md中引用 arxiv.org/abs/2607.28618 即可从此页面链接到该Space。

包含此论文的收藏0

没有收藏包含此论文

将此论文添加到收藏 (https://huggingface.co/new-collection) 即可从此页面链接到该论文。