Van Macro naar Micro: Het Benchmarken van Microscopische Ruimtelijke Intelligentie bij Moleculen via Vision-Language Modellen
From Macro to Micro: Benchmarking Microscopic Spatial Intelligence on Molecules via Vision-Language Models
December 11, 2025
Auteurs: Zongzhao Li, Xiangzhe Kong, Jiahui Su, Zongyang Ma, Mingze Li, Songyou Li, Yuelin Zhang, Yu Rong, Tingyang Xu, Deli Zhao, Wenbing Huang
cs.AI
Samenvatting
Dit artikel introduceert het concept van Microscopische Spatiale Intelligentie (MiSI) – het vermogen om ruimtelijke relaties van onzichtbare microscopische entiteiten waar te nemen en te begrijpen, wat fundamenteel is voor wetenschappelijke ontdekkingen. Om het potentieel van Vision-Language Modellen (VLMs) op dit domein te beoordelen, stellen we een systematisch benchmarkraamwerk voor, MiSI-Bench. Dit raamwerk omvat meer dan 163.000 vraag-antwoordparen en 587.000 afbeeldingen, afgeleid van ongeveer 4.000 moleculaire structuren, en bestrijkt negen complementaire taken die vaardigheden evalueren, variërend van elementaire ruimtelijke transformaties tot complexe relationele identificaties. Experimentele resultaten tonen aan dat huidige state-of-the-art VLMs aanzienlijk onder het menselijk niveau presteren op deze benchmark. Een gefinetuned 7B-model toont echter aanzienlijk potentieel, en overtreft zelfs mensen in ruimtelijke transformatietaken, terwijl de zwakke prestaties in wetenschappelijk onderbouwde taken zoals waterstofbonderkenning de noodzaak aantonen om expliciete domeinkennis te integreren voor vooruitgang richting wetenschappelijke AGI. De datasets zijn beschikbaar op https://huggingface.co/datasets/zongzhao/MiSI-bench.
English
This paper introduces the concept of Microscopic Spatial Intelligence (MiSI), the capability to perceive and reason about the spatial relationships of invisible microscopic entities, which is fundamental to scientific discovery. To assess the potential of Vision-Language Models (VLMs) in this domain, we propose a systematic benchmark framework MiSI-Bench. This framework features over 163,000 question-answer pairs and 587,000 images derived from approximately 4,000 molecular structures, covering nine complementary tasks that evaluate abilities ranging from elementary spatial transformations to complex relational identifications. Experimental results reveal that current state-of-the-art VLMs perform significantly below human level on this benchmark. However, a fine-tuned 7B model demonstrates substantial potential, even surpassing humans in spatial transformation tasks, while its poor performance in scientifically-grounded tasks like hydrogen bond recognition underscores the necessity of integrating explicit domain knowledge for progress toward scientific AGI. The datasets are available at https://huggingface.co/datasets/zongzhao/MiSI-bench.