该文章提出了一种名为MPPReasoner的多模态大语言模型，旨在解决分子性质预测中可解释性差、跨任务泛化能力弱和缺乏化学推理能力的问题，通过两阶段训练策略提升了模型在分子性质预测任务上的性能与实用性。一、文章主要内容总结研究背景与问题分子性质预测在药物发现和材料科学中至关重要，但传统方法存在三大局限：可解释性有限，无法说明预测背后的化学原理；跨任务泛化能力差，特定任务模型难以迁移到其他场景；缺乏化学推理能力，无法像化学家一样分析分子结构与性质的关系。传统机器学习模型依赖人工特征工程，分子专用模型（如图神经网络、分子语言模型）虽性能较好，但仍无法提供有意义的预测解释，阻碍了其在实际药物研发中的应用。MPPReasoner模型设计基础架构：基于Qwen2.5-VL-7B-Instruct构建，融合分子图像（2D结构）和SMILES字符串（文本序列），实现对分子的多模态理解，同时捕捉分子的空间结构和化学序列信息。两阶段训练策略：第一阶段：监督微调（SFT），使用1.6万条由专家知识和多教师模型生成的高质量推理轨迹，让模型学习基础化学推理模式。第二阶段：基于原则引导奖励的强化学习（RLPGR），通过可验证的规则化奖励，从基础层（预测正确性、格式合规性）、推理层（逻辑一致性、对比分析）、化学层（化学原理应用、分子结构分析）三个维