MolLean obliga a los LLM a verificar la química: gana en 12 de 12 tareas

Los razonamientos químicos de los modelos de lenguaje suelen resultar convincentes y, aun así, contienen afirmaciones inventadas: el modelo describe con seguridad una estructura que no existe o atribuye a una molécula propiedades que no tiene. Los autores de MolLean proponen verificar esas afirmaciones por programa. Han creado un lenguaje verificable por proceso en el que cada paso del razonamiento queda ligado a un estado explícito de la molécula y pasa por un núcleo basado en Lean. En 8 800 ejemplos emparejados de 12 tareas con el modelo Qwen3.6-27B, el modo de refinamiento de la traza completa superó al chain-of-thought convencional en todas ellas.

La molécula como estado que no se puede corromper

En el chain-of-thought convencional, el modelo escribe el razonamiento en forma de texto y nadie comprueba si se corresponde con una molécula real. En MolLean, el razonamiento se convierte en una traza ejecutable. Existe un estado molecular actual, y cada paso lo modifica según reglas estrictas.

El núcleo se organiza en capas. En la base están las ediciones primitivas del grafo molecular; encima se montan transformaciones compuestas. Sobre ellas operan las afirmaciones sobre indicadores moleculares. Si el modelo declara que, tras una edición, la molécula ha ganado un grupo determinado o ha cambiado algún indicador, el núcleo contrasta la afirmación con el estado en lugar de darla por buena.

Se aplica una regla importante: una acción rechazada deja el estado intacto. Un paso erróneo no contamina el resto del razonamiento. El modelo recibe un rechazo e intenta otro movimiento desde el mismo punto.

Testigos para las mediciones externas

No todo en química se puede deducir de la estructura del grafo. Algunas propiedades proceden de cálculos o mediciones externos. Para no mezclar lo fiable con lo aceptado por fe, los autores introdujeron un protocolo de testigos tipados. Este separa las comprobaciones estructurales nativas, que el propio núcleo ejecuta, de los datos que llegan desde fuera.

Como resultado, la traza muestra qué afirmaciones se han demostrado dentro del sistema y cuáles se apoyan en una fuente externa. Para una auditoría, la diferencia es sustancial: un revisor o un químico ve de inmediato dónde la verificación es estricta y dónde se ha delegado la confianza.

Tres modos y 8 800 ejemplos

MolLean ofrece tres modos de trabajo:

• ejecución única de la traza: el modelo escribe todo el razonamiento y el núcleo lo ejecuta;
• refinamiento de la traza completa: tras la verificación, el modelo recibe el resultado y reescribe el razonamiento entero;
• modo interactivo mediante MolLean-MCP: el modelo actúa paso a paso y recibe retroalimentación durante la propia generación.

MolLean-MCP es una interfaz de herramientas con estado (stateful). Expone al modelo las transiciones entre estados, los resultados de las comprobaciones y los indicadores moleculares. A partir de ellos, el modelo decide cuál será la siguiente acción.

La comparación se hizo con chain-of-thought directo sobre 8 800 ejemplos emparejados. Abarcan 12 tareas: generación de moléculas, edición, optimización y reacciones. El modelo base es Qwen3.6-27B.

Resultados clave:

• el refinamiento de la traza completa supera al chain-of-thought directo en las 12 tareas;
• MolLean-MCP complementa ese modo con retroalimentación paso a paso;
• en las tareas de reacciones, el modo interactivo da el mejor resultado.

El último punto resulta lógico. Una reacción consiste en una cadena de transformaciones en la que un error temprano estropea todo lo demás. La comprobación tras cada paso lo detecta al instante, y no en la revisión final de toda la traza.

Dónde sirve en la práctica

El modelo de 27 000 millones de parámetros funciona aquí más como demostración: la capa de verificación no depende del tamaño del modelo y puede acompañar a otros LLM. Para los equipos que construyen asistentes de química médica o de planificación de síntesis, el enfoque sugiere una arquitectura concreta. El modelo no debe limitarse a generar texto, sino llamar a herramientas que conserven el estado y rechacen los pasos inadmisibles.

Para quienes desarrollan agentes, lo útil es el propio patrón. El estado transaccional con reversión de las acciones rechazadas, el núcleo formal de verificación y la separación entre comprobaciones propias y datos externos se pueden trasladar a otros ámbitos en los que el razonamiento tiene un sentido formal. Entre ellos están la ciencia de materiales, la biología y el diseño de circuitos.

Las limitaciones también están claras. La mejora se midió en un solo modelo y en un conjunto determinado de 12 tareas. La verificación de las mediciones externas sigue dependiendo de la calidad de esas mediciones. Aun así, el cambio de enfoque es notable: las afirmaciones químicas del modelo dejan de ser texto libre y se convierten en compromisos que se pueden comprobar y revisar.