internlm/Intern-S2 · 허깅페이스
internlm/Intern-S2 · Hugging Face
핵심 요약
과학적 지능과 장기 에이전트 작업을 위해 설계된 397B 규모의 멀티모달 파운데이션 모델 Intern-S2가 공개되었습니다.
- 새로운 사전 학습 — 원시 과학 문헌을 시각적/기호적 의미로 직접 학습함
- 과학적 추론 — 20개 이상의 과학 분야에서 강화 학습을 통해 성능을 최적화함
- 장기 에이전트 — 복잡한 샌드박스 환경에서 장기 작업 수행 능력을 강화함
huggingface.co
원문 사이트로 이동
internlm으로부터:
과학적 지능과 장기 호라이즌 에이전트를 위한 가장 강력한 멀티모달 파운데이션 모델인 Intern-S2-397B를 소개한다. Intern-S2-397B는 사전 학습, 강화 학습 작업 커버리지, 그리고 인터랙티브 에이전트 환경이라는 세 가지 핵심 차원에서 규모를 키웠다. 새로운 비전-언어 사전 학습 패러다임과 대규모 멀티태스크 강화 학습, 그리고 장기 호라이즌 에이전트 강화 학습을 결합해 일반적인 추론, 과학적 문제 해결, 에이전트 능력 면에서 차원이 다른 성능을 보여준다.
https://huggingface.co/internlm/Intern-S2#featuresFeatures
-
새로운 사전 학습 패러다임. 시각적 사전 학습을 통해 Intern-S2-397B는 중간 파싱 과정 없이 과학 문헌의 원본 페이지에서 직접 학습하며, 기호 의미론과 시각적 관계를 공유 표현 공간에서 통합 모델링한다. 덕분에 텍스트와 시각 정보 간의 대응 관계가 유지되고, 공간 및 시각적 추론 능력이 강화되며 데이터 효율성도 좋아진다.
-
과학적 모달리티 추론 및 생성. 20개 이상의 분야에 걸친 다양한 과학적 강화 학습 작업을 확장하고 이를 통합 학습함으로써, Intern-S2-397B는 오픈 소스 모델 중 최상위권의 일반 추론 성능을 달성했다. 생체 분자 상호작용 설계나 물질 구조 생성 같은 전문적인 과학 작업에서도 강력한 결과를 보여준다.
-
일반 및 과학 분야 장기 호라이즌 에이전트. 여러 에이전트 프레임워크를 블랙박스 에이전트 강화 학습을 위한 대규모 샌드박스 환경에 연결함으로써, Intern-S2-397B는 일반 분야와 과학 분야 모두에서 장기 호라이즌 작업의 일반화 성능을 높이고 능력의 한계를 끌어올렸다.
