Screen Tables 与 Substrate Scopes 是合成化学文献中信息密集的图形，自动化提取其结构化反应数据仍然困难。我们推出 RxnExBench，一个面向细粒度反应级评估的多模态基准。数据来源于高影响力化学期刊，包含 3,565 条专家标注的反应和 2,361 种分子结构。基准采用统一模式，定义 15 种反应角色和 26 个核心字段，可直接支撑逆合成规划、产率预测和反应条件推荐等 AI‑for‑Chemistry 任务。RxnExBench 还提供基于推理难度的分类体系、模块化标注流水线以及 Oracle‑MolRec 协议——后者将分子识别与高层推理解耦。我们对 9 种最新视觉语言模型进行评估，发现随着模式复杂度和推理需求提升，性能显著下降。Oracle‑MolRec 实验进一步表明，仅靠准确的分子识别不足以提升表现，多模态融合与化学感知推理仍是主要瓶颈。所有数据与代码已开源，旨在推动化学感知多模态理解和数据集构建的后续研究。
点评: RxnExBench 为化学文献的结构化信息抽取提供了系统化基准，明确了当前 VLM 在化学推理方面的局限，为未来模型设计指明了方向。