书生-A1.5 운영 중

书生-A1.5（Sage-A1.5）는 상하이 AI 연구소가 출시한 35B 범용·전문 융합 과학 에이전트입니다. Agents-A1의 장기 실행 능력과 书生·端砚 플랫폼을 기반으로 실제 연구 검증 RSI를 지향하며, 작업을 스스로 분해하고 여러 하위 에이전트를 편성해 병렬로 조사하며, 검증을 실행해 증거의 공백을 식별하고 가설을 수정합니다. 书生-A1.5는 뇌과학, 전기화학, 우주과학 리뷰 등의 사례를 다루며, MVSP 과학 평가와 SFT/RL 피드백을 통한 진화를 거쳤습니다. 昇腾, 沐曦, AMD 양자화 배포를 지원하고, 추적 가능하고 재검증 가능한 장기 자율 연구를 강조합니다.

에이전트 편성: 복잡한 연구 과제를 스스로 분해하고 여러 하위 에이전트를 조정해 병렬로 검색하고 증거를 비교한 뒤 결론을 종합합니다.
에이전트 검증: 검증 시점과 대상을 스스로 판단하고, 입증된 사실과 검증이 필요한 가설을 구분하며, 검색 방향이나 연구 전략을 적시에 수정합니다.
장기 연구 실행: 검색, 가설, 코드, 검증을 하나의 폐쇄 루프로 연결해 추적 가능하고 재검증 가능한 코드, 데이터, 차트 및 보고서를 제공합니다.
과학 연구 시나리오 지원: 뇌과학, 전기화학, 우주과학 리뷰 등의 과제를 대상으로 증거 매트릭스, 검증표, 수정 기록과 같은 구조화된 결과물을 지원합니다.
연구 코드 지원: 알고리즘 최적화와 연구 코드 개발을 지원하며 SWE-Bench Pro, Multilingual, MLE-Bench-Lite 등의 코드 평가 시나리오를 포괄합니다.
다중 하드웨어 배포: 여러 버전의 양자화 형식을 제공하고 昇腾 NPU, 沐曦, AMD 등의 GPU를 지원해 연구 및 산업 파트너가 쉽게 시험할 수 있습니다.

微信에서 팔로우한 후 “开源”로 답장하여 AI 오픈소스 프로젝트交流群에 참여하세요.
장기 과제 기반: Sage-A1.5는 Agents-A1의 장기 과제 능력을 기반으로 하며, 书生·端砚 과학 발견 플랫폼을 활용해 연구 과정의 조직, 실행, 조정을 학습에 포함합니다. 이를 통해 모델은 도구를 호출하는 데 그치지 않고 장기 과제에서 기존 능력을 조합하며 새로운 증거에 따라 이후 행동을 동적으로 수정할 수 있습니다.
실제 시나리오가 이끄는 RSI 폐쇄 루프: 핵심 경로는 “환경이 곧 데이터”라는 원칙입니다. 과학 평가를 동력으로 삼고 환경 합성을 통해 피드백을 제공하여 능력 진단, 과제 환경 구축, 모델 학습이 서로 촉진되는 지속적 진화 메커니즘을 형성합니다. 이를 통해 모델은 실제 연구 과정에서 분야 지식을 축적하고 추론 편향을 수정합니다.
MVSP 평가 정렬 메커니즘: 팀은 최소 검증 가능 과학 제안인 MVSP를 제안하고, 뇌 기전, 고에너지 물리학, 재료 설계, 신약 개발, 화학 지능, 질병 진단 등 10여 개의 주요 과학 시나리오와 함께 고품질 평가 기준을 구축했습니다. 이를 통해 모델의 반복 개선 방향을 과학자의 실제 요구와 검증 가능한 과학 문제에 맞춥니다.
데이터 및 학습 리소스 생산: 프로젝트는 작업 공간 시뮬레이션, 과학 계산 도구 체인 배포, 전문 샌드박스 환경을 통해 SFT 데이터와 RL 학습 리소스를 지속적으로 생성합니다. 동시에 AI for AI를 활용해 연구 과정의 병목을 식별하고, 과학 Harness의 도구 편성과 검증 전략을 최적화하여 장기 과제 실행 효율과 안정성을 높입니다.
도메인 간 이기종 학습 패러다임: 분야 간 과제 분포, 추론 방식, 에이전트 프레임워크의 차이에 대응하기 위해 “다중 도메인 지도 미세 조정 + 통합 후학습”의 2단계 패러다임을 사용합니다. 또한 완전 비동기 파이프라인과 적응형 샘플링 메커니즘을 결합해 과학적 탐구와 엔지니어링 코딩 능력을 동시에 강화합니다.

체험 페이지 접속: 书生·端砚 플랫폼 체험 페이지 https://discovery.intern-ai.org.cn/token-plan/home?tabIndex=0 에 접속해 로그인한 후 페이지 안내에 따라 사용량을 신청하거나 이용합니다.
모델 형태 선택: 컴퓨팅 성능 조건에 따라 온라인 Sage-A1.5 또는 이후 양자화/오픈소스 버전을 선택하고, 프라이빗 배포 시 昇腾 NPU, 沐曦 또는 AMD용 배포 패키지를 선택합니다.
연구 과제 생성: 작업 공간에서 새 프로젝트를 만들고 연구 질문, 제약 조건, 기대 출력 및 추적 가능한 증거 사슬의 필요 여부를 입력합니다.
자료 및 환경 연결: 문헌, 데이터, 코드 또는 실험 기록을 업로드하고 과학 계산 도구 체인, 샌드박스 및 필요한 외부 데이터베이스/도구를 설정합니다.
편성 실행 시작: Sage-A1.5가 과제를 스스로 분해하고 하위 에이전트를 조정해 병렬로 조사하도록 하며, 증거 공백을 자동으로 식별할 수 있도록 에이전트 검증을 활성화합니다.
중간 개입 및 수정: 검색 경로, 가설 변화, 검증 기록을 확인하고 편향 방향, 핵심 가설 또는 검증이 필요한 실험 지점에 대해 수동 지시를 제공합니다.
결과 검토: 코드, 데이터, 차트, 보고서 및 검증표/증거 매트릭스/수정 기록을 확인하고, 필요한 경우 재실행이나 대조 실험을 요청합니다.
산출물 내보내기: 재현 가능한 코드, 중간 결과, 차트 및 보고서를 내보내고, 연구팀 내 전문가 검토를 거친 후 논문이나 실험 의사결정에 사용합니다.

실제 연구가 이끄는 진화: 환경이 곧 데이터라는 RSI 폐쇄 루프를 통해 실제 과학 과제에서 지식을 지속적으로 축적하고 편향을 수정합니다.
범용·전문 융합 기반: Agents-A1의 장기 과제 능력을 계승하는 동시에 과학 시나리오에 맞춰 전문 추론, 증거 처리 및 도구 호출 능력을 강화했습니다.
강력한 에이전트 편성 능력: 과제를 스스로 분해하고 여러 하위 에이전트를 병렬로 조정해 조사할 수 있어, 여러 단서와 증거가 필요한 복잡한 과학 탐구에 적합합니다.
자율 검증 및 오류 수정: 언제 무엇을 검증할지 판단하고 사실과 가설을 구분하며, 증거 공백을 식별하고 전략을 조정해 장기 과제의 오류 누적을 줄입니다.
과학적 요구에 맞춘 평가: MVSP를 통해 10여 개의 주요 과학 시나리오와 검증 가능한 평가를 공동 구축하여 모델의 반복 개선 방향을 과학자의 실제 문제에 더욱 가깝게 맞춥니다.

프로젝트 공식 웹사이트: https://alpha-innovator.github.io/Sage-A1.5/
HuggingFace 모델 컬렉션: https://huggingface.co/collections/InternScience/sage-a15
기술 논문: https://arxiv.org/pdf/2610.28578
온라인 체험 Demo: https://discovery.intern-ai.org.cn/token-plan/home?tabIndex=0

신경과학 데이터 분석: 생쥐 전체 뇌 데이터를 기반으로 뇌 영역 디코딩 지표 분석, PCA, 순열 검정 및 시각화를 수행해 과제/운동 정보의 분포规律을 파악합니다.
전기화학 합성 최적화: 문헌과 과거 실험을 통합하고 반응 조건, 메커니즘 가설 및 수율 예측을 반복 개선해 프리델-크래프츠 알킬화 등의 합성 경로 혁신을 지원합니다.
우주과학 리뷰 검토: 여러 하위 에이전트를 조정해 우주 임무 관련 주장을 검증하고 증거 수준을 구분하며, 검증표, 증거 매트릭스 및 수정 기록을 출력합니다.
광화학/메커니즘 연구 오류 수정: 검색 결과가 일치하지 않을 때 방향을 수렴시키고 반응 원리를 점검하며 실험 검증이 필요한 핵심 단계를 표시합니다.
고에너지 물리학/재료/신약/질병 진단 평가: MVSP를 통해 검증 가능한 과학 환경을 구축하고 모델의 반복 개선 방향을 과학자의 실제 요구에 맞춥니다.