书生-A1.5 運営中

書生-A1.5（Sage-A1.5）は、上海AI研究所が開発した35Bの汎用・専門融合型科学エージェントです。Agents-A1の長期タスク能力と書生・端硯プラットフォームを基盤に、実際の科学研究検証RSIに対応します。タスクを自律的に分解し、複数のサブエージェントを編成して並行調査を行い、検証を起動して証拠の不足を特定し、仮説を修正します。書生-A1.5は、脳科学、電気化学、宇宙科学レビューなどの事例をカバーし、MVSP科学評価とSFT/RLのフィードバックによって進化します。昇腾、沐曦、AMD向けの量子化デプロイに対応し、追跡可能で再検証可能な長期自律研究を重視しています。

エージェント編成：複雑な科学研究タスクを自律的に分解し、複数のサブエージェントを調整して検索・証拠比較を並行して行い、結論を統合します。
エージェント検証：検証のタイミングと対象を自律的に判断し、確認済みの事実と未検証の仮説を区別して、検索方針や研究戦略を適時に修正します。
長期科学研究の実行：検索、仮説、コード、検証を一つのループに統合し、追跡可能で再検証可能なコード、データ、図表、レポートを提供します。
科学分野への対応：脳科学、電気化学、宇宙科学レビューなどのタスクに対応し、証拠マトリクス、チェックリスト、改訂記録などの構造化された成果物を作成します。
研究コード支援：アルゴリズム最適化と研究コード開発に対応し、SWE-Bench Pro、Multilingual、MLE-Bench-Liteなどのコード評価シナリオをカバーします。
多様なハードウェアへのデプロイ：複数の量子化形式を提供し、昇腾NPU、沐曦、AMDなどのGPUに対応することで、研究機関や産業パートナーが利用しやすい環境を提供します。

WeChatで「オープンソース」と返信し、AIオープンソースプロジェクト交流グループに参加
長期タスク基盤：Sage-A1.5はAgents-A1の長期タスク能力を基盤とし、書生・端硯科学発見プラットフォームを活用して、科学研究プロセスにおける計画、実行、調整を学習に組み込みます。これにより、モデルは単にツールを呼び出すだけでなく、長期タスクの中で既存の能力を組み合わせ、新しい証拠に基づいて後続の行動を動的に修正できます。
実環境に導かれるRSIループ：「環境をデータとする」ことが中核です。科学評価を軸とし、環境の合成によってフィードバックを提供することで、能力診断、タスク環境の構築、モデル学習が相互に促進する継続的な進化メカニズムを形成します。モデルは実際の科学研究プロセスで分野知識を蓄積し、推論の偏りを修正します。
MVSP評価アライメント機構：チームは最小検証可能科学提案MVSPを提唱し、脳機構、高エネルギー物理学、材料設計、新薬創製、化学インテリジェンス、疾病診断など10以上の重要な科学分野と共同で高品質な評価ベンチマークを構築しています。これにより、モデルの改良方向を科学者の実際のニーズと検証可能な科学的課題に合わせます。
データと学習資源の生成：プロジェクトは、ワークスペースのシミュレーション、科学計算ツールチェーンのデプロイ、専門サンドボックス環境を通じて、SFTデータとRL学習資源を継続的に生成します。同時に、AI for AIによって研究プロセスのボトルネックを特定し、科学Harnessのツール編成と検証戦略を最適化して、長期タスクの実行効率と安定性を高めます。
分野横断型異種訓練パラダイム：分野横断タスクの分布、推論パターン、エージェントフレームワークの違いに対応するため、「多分野教師あり微調整＋統一後学習」の2段階パラダイムを採用します。さらに、完全非同期パイプラインと適応型サンプリング機構を組み合わせ、科学探索とエンジニアリングコーディング能力を同時に強化します。

体験ページにアクセス：書生・端硯プラットフォームの体験ページ https://discovery.intern-ai.org.cn/token-plan/home?tabIndex=0 にアクセスし、ログインしてページの指示に従い利用枠を申請・使用します。
モデル形態を選択：計算資源の条件に応じてオンライン版Sage-A1.5、または後続の量子化版・オープンソース版を選択します。プライベート環境では、昇腾NPU、沐曦、AMDに対応するデプロイパッケージを選択します。
科学研究タスクを作成：ワークスペースで新しいプロジェクトを作成し、研究課題、制約条件、期待する出力、追跡可能な証拠チェーンの要否を入力します。
資料と環境を接続：文献、データ、コード、実験記録をアップロードし、科学計算ツールチェーン、サンドボックス、必要な外部データベースやツールを設定します。
編成・実行を開始：Sage-A1.5にタスクを自律的に分解させ、サブエージェントを調整して並行調査を行わせます。エージェント検証を有効にすると、証拠の不足を自動的に特定できます。
途中で介入・修正：検索経路、仮説の変化、検証記録を確認し、偏りの方向、重要な仮説、検証が必要な実験点について人間による指示を与えます。
成果を再確認：コード、データ、図表、レポート、チェックリスト・証拠マトリクス・改訂記録を確認し、必要に応じて再実行や比較検証の追加を指示します。
成果物をエクスポート：再現可能なコード、中間結果、図表、レポートをエクスポートし、研究グループ内で専門家による確認を行ったうえで、論文や実験の意思決定に使用します。

実際の科学研究に導かれる進化：環境をデータとするRSIループにより、実際の科学タスクで知識を継続的に蓄積し、偏りを修正します。
汎用・専門融合の基盤：Agents-A1の長期タスク能力を継承しつつ、科学分野に向けて専門推論、証拠処理、ツール呼び出しを強化しています。
高度なエージェント編成能力：タスクを自律的に分解し、複数のサブエージェントを並行調査に振り分けられるため、複数の手がかりと証拠を扱う複雑な科学探索に適しています。
自律的な検証と修正：いつ何を検証すべきかを判断し、事実と仮説を区別して証拠の不足を特定し、戦略を調整します。これにより、長期タスクでの誤差の蓄積を抑えます。
科学的ニーズに沿った評価：MVSPを通じて10以上の重要な科学分野と検証可能な評価環境を共同構築し、モデルの改良方向を科学者の実際の課題により近づけます。

公式サイト：https://alpha-innovator.github.io/Sage-A1.5/
HuggingFaceモデルライブラリ：https://huggingface.co/collections/InternScience/sage-a15
技術論文：https://arxiv.org/pdf/2610.28578
オンライン体験Demo：https://discovery.intern-ai.org.cn/token-plan/home?tabIndex=0

神経科学データ分析：マウス全脳データに基づき、脳領域のデコーディング指標分析、PCA、置換検定、可視化を行い、課題や運動情報の分布パターンの解明を支援します。
電気化学合成の最適化：文献と過去の実験結果を統合し、反応条件、機構仮説、収率予測を反復的に改善し、フリーデル・クラフツアルキル化などの合成経路の革新を支援します。
宇宙科学レビューの検証・校正：複数のサブエージェントを調整して宇宙ミッションに関する主張を検証し、証拠のレベルを区別して、チェックリスト、証拠マトリクス、改訂記録を出力します。
光化学・反応機構研究の誤り修正：検索結果が一致しない場合に方向性を収束させ、反応原理を確認し、実験による検証が必要な重要ステップを示します。
高エネルギー物理学・材料・新薬・疾病診断の評価：MVSPによって検証可能な科学環境を構築し、モデルの改良方向を科学者の実際のニーズに合わせます。