书生-A1.5 Inafanya kazi

书生-A1.5 (Sage-A1.5) ni wakala wa kisayansi wa 35B unaochanganya uwezo wa jumla na utaalamu, uliotolewa na Taasisi ya AI ya Shanghai. Ukitegemea uwezo wa muda mrefu wa Agents-A1 na jukwaa la kisayansi 书生·端砚, inalenga RSI ya uthibitishaji halisi wa utafiti: hugawanya kazi kiotomatiki, hupanga mawakala wadogo wengi kufanya utafiti sambamba, na kuanzisha uhakiki ili kutambua mapengo ya ushahidi na kurekebisha dhana. 书生-A1.5 inashughulikia mifano kama sayansi ya ubongo, elektrokemia na mapitio ya sayansi ya anga. Imepitia tathmini ya kisayansi ya MVSP pamoja na mageuzi kupitia SFT/RL, na inasaidia usambazaji wa kiasi kwenye Ascend, Moore Threads na AMD, huku ikisisitiza utafiti wa muda mrefu unaoweza kufuatiliwa na kuhakikiwa.

Upangaji wa mawakala: Hugawanya kiotomatiki kazi changamano za utafiti wa kisayansi, hupanga mawakala wadogo wengi kutafuta na kulinganisha ushahidi kwa wakati mmoja, kisha kuunganisha hitimisho.
Uhakiki wa mawakala: Huamua kiotomatiki wakati na kitu cha kuhakiki, hutofautisha ukweli uliothibitishwa na dhana zinazohitaji uthibitishaji, na kurekebisha kwa wakati mwelekeo wa utafutaji au mkakati wa utafiti.
Utekelezaji wa utafiti wa muda mrefu: Huunganisha utafutaji, dhana, msimbo na uthibitishaji katika mzunguko kamili, na kutoa msimbo, data, michoro na ripoti zinazoweza kufuatiliwa na kuhakikiwa.
Kuwezesha mazingira ya kisayansi: Inalenga kazi kama sayansi ya ubongo, elektrokemia na mapitio ya sayansi ya anga, na inasaidia matokeo yaliyopangwa kama matriki ya ushahidi, jedwali la ukaguzi na rekodi za marekebisho.
Msaada wa msimbo wa utafiti: Inalenga uboreshaji wa algoriti na uundaji wa msimbo wa kisayansi, ikijumuisha mazingira ya tathmini ya msimbo kama SWE-Bench Pro, Multilingual na MLE-Bench-Lite.
Usambazaji kwenye maunzi mengi: Hutoa aina mbalimbali za usanidi wa kiasi, na inasaidia NPU za Ascend, Moore Threads, GPU za AMD na nyinginezo, ili kurahisisha majaribio kwa washirika wa utafiti na viwanda.

Fuata WeChat na ujibu “开源” ili kujiunga na kundi la mawasiliano la miradi huria ya AI
Msingi wa kazi za muda mrefu: Sage-A1.5 hutumia uwezo wa kazi za muda mrefu wa Agents-A1 kama msingi, na kupitia jukwaa la ugunduzi wa kisayansi 书生·端砚, hujumuisha upangaji, utekelezaji na marekebisho ya michakato ya utafiti katika mafunzo. Hivyo, modeli haiwezi tu kutumia zana, bali pia inaweza kuchanganya uwezo uliopo katika kazi ndefu na kurekebisha hatua zinazofuata kwa nguvu kulingana na ushahidi mpya.
Mzunguko wa RSI unaoongozwa na mazingira halisi: Njia kuu ni “mazingira ni data”: hutumia tathmini ya kisayansi kama mwongozo na usanisi wa mazingira kutoa mrejesho, na kuunda utaratibu endelevu wa mageuzi ambapo utambuzi wa uwezo, ujenzi wa mazingira ya kazi na mafunzo ya modeli huimarishana. Hii huiwezesha modeli kukusanya maarifa ya nyanja na kurekebisha upendeleo wa hoja katika mchakato halisi wa utafiti wa kisayansi.
Ulinganifu wa tathmini ya MVSP: Timu imependekeza MVSP, yaani pendekezo dogo la kisayansi linaloweza kuthibitishwa, na kujenga kwa pamoja vigezo vya tathmini vya ubora wa juu na zaidi ya mazingira kumi makuu ya kisayansi kama mifumo ya ubongo, fizikia ya nishati ya juu, usanifu wa vifaa, ugunduzi wa dawa mpya, akili ya kemia na utambuzi wa magonjwa. Hii huelekeza mageuzi ya modeli kwenye mahitaji halisi ya wanasayansi na maswali ya kisayansi yanayoweza kuthibitishwa.
Uzalishaji wa data na rasilimali za mafunzo: Mradi hutumia uigaji wa maeneo ya kazi, usambazaji wa minyororo ya zana za kompyuta za kisayansi na mazingira maalumu ya sandbox ili kuzalisha data ya SFT na rasilimali za mafunzo ya RL kwa kuendelea. Wakati huo huo, hutumia AI for AI kutambua vikwazo katika mnyororo wa utafiti, kuboresha upangaji wa zana na mikakati ya uhakiki ya Scientific Harness, na kuongeza ufanisi na uthabiti wa utekelezaji wa kazi za muda mrefu.
Mbinu ya mafunzo ya nyanja na miundo mbalimbali: Kwa kuzingatia tofauti za mgawanyo wa kazi za nyanja mbalimbali, mifumo ya hoja na mifumo ya mawakala, hutumia hatua mbili za “urekebishaji mwembamba unaosimamiwa wa nyanja nyingi + mafunzo ya baadae yaliyounganishwa”, ikiambatana na bomba lisilosawazishwa kikamilifu na utaratibu wa sampuli unaojibadilisha, ili kuimarisha kwa wakati mmoja uwezo wa uchunguzi wa kisayansi na uandishi wa msimbo wa kihandisi.

Fungua sehemu ya kujaribu: Tembelea ukurasa wa majaribio wa jukwaa la 书生·端砚 https://discovery.intern-ai.org.cn/token-plan/home?tabIndex=0, ingia na uombe/tumie kiwango kulingana na maelekezo ya ukurasa.
Chagua aina ya modeli: Chagua Sage-A1.5 ya mtandaoni au toleo la baadaye lenye usanidi wa kiasi/huria kulingana na uwezo wa kompyuta; kwa matumizi ya kibinafsi, chagua kifurushi cha usambazaji kinacholingana na Ascend NPU, Moore Threads au AMD.
Unda kazi ya utafiti: Unda mradi mpya katika eneo la kazi, kisha jaza swali la utafiti, masharti, matokeo yanayotarajiwa na kama mnyororo wa ushahidi unaoweza kufuatiliwa unahitajika.
Unganisha nyenzo na mazingira: Pakia machapisho, data, msimbo au rekodi za majaribio, na usanidi minyororo ya zana za kompyuta za kisayansi, sandbox na hifadhidata/zana muhimu za nje.
Anzisha upangaji na utekelezaji: Ruhusu Sage-A1.5 igawanye kazi kiotomatiki, ipange mawakala wadogo kufanya utafiti sambamba, na uwashe uhakiki wa mawakala ili kutambua kiotomatiki mapengo ya ushahidi.
Ingilia na kurekebisha wakati wa mchakato: Kagua njia ya utafutaji, mabadiliko ya dhana na rekodi za uhakiki, kisha toa maelekezo ya kibinadamu kuhusu mwelekeo wenye upendeleo, dhana muhimu au vipengele vya majaribio vinavyohitaji uthibitishaji.
Hakiki matokeo: Kagua msimbo, data, michoro, ripoti pamoja na jedwali la ukaguzi/matriki ya ushahidi/rekodi za marekebisho; inapohitajika, omba utekelezaji upya au uongezaji wa ulinganisho.
Hamisha bidhaa za mwisho: Hamisha msimbo unaoweza kuzalishwa upya, matokeo ya kati, michoro na ripoti, kisha fanya uhakiki wa kitaalamu ndani ya kikundi cha utafiti kabla ya kuzitumia katika karatasi ya utafiti au maamuzi ya majaribio.

Mageuzi yanayoongozwa na utafiti halisi: Hutumia mzunguko wa RSI wa “mazingira ni data” kukusanya maarifa na kurekebisha upendeleo kwa kuendelea katika kazi halisi za kisayansi.
Msingi unaochanganya jumla na utaalamu: Hurithi uwezo wa Agents-A1 wa kazi za muda mrefu, huku ikiimarisha hoja za kitaalamu, uchakataji wa ushahidi na matumizi ya zana kwa mazingira ya kisayansi.
Uwezo thabiti wa kupanga mawakala: Inaweza kugawanya kazi kiotomatiki na kupanga mawakala wadogo wengi kufanya utafiti sambamba, hivyo inafaa kwa uchunguzi changamano wa kisayansi wenye vidokezo na ushahidi mwingi.
Uhakiki na marekebisho ya kiotomatiki: Inaweza kuamua wakati na kitu cha kuhakiki, kutofautisha ukweli na dhana, kutambua mapengo ya ushahidi na kurekebisha mkakati, hivyo kupunguza mkusanyiko wa makosa katika kazi za muda mrefu.
Ulinganifu wa tathmini na mahitaji ya kisayansi: Kupitia MVSP na ujenzi wa pamoja wa tathmini zinazoweza kuthibitishwa katika zaidi ya mazingira kumi makuu ya kisayansi, mwelekeo wa mageuzi ya modeli huwa karibu zaidi na matatizo halisi ya wanasayansi.

Tovuti rasmi ya mradi: https://alpha-innovator.github.io/Sage-A1.5/
Hifadhi ya modeli ya HuggingFace: https://huggingface.co/collections/InternScience/sage-a15
Karatasi ya kiteknolojia: https://arxiv.org/pdf/2610.28578
Demo ya majaribio ya mtandaoni: https://discovery.intern-ai.org.cn/token-plan/home?tabIndex=0

Uchambuzi wa data ya sayansi ya neva: Hutumia data ya ubongo mzima wa panya kufanya uchambuzi wa vipimo vya usimbaji wa maeneo ya ubongo, PCA, jaribio la permutation na uonyeshaji wa data, kusaidia kuchunguza mifumo ya usambazaji wa taarifa za kazi na mwendo.
Uboreshaji wa usanisi wa elektrokemia: Huunganisha machapisho na majaribio ya awali, huboresha kwa marudio hali za mmenyuko, dhana za kimakanika na utabiri wa mavuno, na kusaidia ubunifu wa njia za usanisi kama alkylation ya Friedel–Crafts.
Uhakiki wa mapitio ya sayansi ya anga: Hupanga mawakala wadogo wengi kukagua madai kuhusu misheni za anga, kutofautisha viwango vya ushahidi, na kutoa jedwali la ukaguzi, matriki ya ushahidi na rekodi za marekebisho.
Usahihishaji wa utafiti wa fotokemia na mekanizimu: Utafutaji unapokosa ulinganifu, hupunguza na kurekebisha mwelekeo, hukagua kanuni za mmenyuko na kutia alama hatua muhimu zinazohitaji uthibitishaji wa majaribio.
Tathmini za fizikia ya nishati ya juu, vifaa, dawa mpya na utambuzi wa magonjwa: Hutumia MVSP kujenga mazingira ya kisayansi yanayoweza kuthibitishwa, na kuoanisha mwelekeo wa mageuzi ya modeli na mahitaji halisi ya wanasayansi.