論文の概要: Intern-S1: A Scientific Multimodal Foundation Model
- arxiv url: http://arxiv.org/abs/2508.15763v2
- Date: Sun, 24 Aug 2025 19:35:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-26 12:26:22.57433
- Title: Intern-S1: A Scientific Multimodal Foundation Model
- Title（参考訳）: Intern-S1:科学的なマルチモーダル基礎モデル
- Abstract要約: Intern-S1は、一般的な理解と推論機能を備えた専門的なジェネラリストである。
Intern-S1はオフラインおよびオンライン強化学習(RL)をInternBootCampで実施する。
包括的な評価ベンチマークでは、Intern-S1はオープンソースモデル間の一般的な推論タスクにおける競合性能を示す。
- 参考スコア（独自算出の注目度）: 282.73189976071427
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In recent years, a plethora of open-source foundation models have emerged, achieving remarkable progress in some widely attended fields, with performance being quite close to that of closed-source models. However, in high-value but more challenging scientific professional fields, either the fields still rely on expert models, or the progress of general foundation models lags significantly compared to those in popular areas, far from sufficient for transforming scientific research and leaving substantial gap between open-source models and closed-source models in these scientific domains. To mitigate this gap and explore a step further toward Artificial General Intelligence (AGI), we introduce Intern-S1, a specialized generalist equipped with general understanding and reasoning capabilities with expertise to analyze multiple science modal data. Intern-S1 is a multimodal Mixture-of-Experts (MoE) model with 28 billion activated parameters and 241 billion total parameters, continually pre-trained on 5T tokens, including over 2.5T tokens from scientific domains. In the post-training stage, Intern-S1 undergoes offline and then online reinforcement learning (RL) in InternBootCamp, where we propose Mixture-of-Rewards (MoR) to synergize the RL training on more than 1000 tasks simultaneously. Through integrated innovations in algorithms, data, and training systems, Intern-S1 achieved top-tier performance in online RL training. On comprehensive evaluation benchmarks, Intern-S1 demonstrates competitive performance on general reasoning tasks among open-source models and significantly outperforms open-source models in scientific domains, surpassing closed-source state-of-the-art models in professional tasks, such as molecular synthesis planning, reaction condition prediction, predicting thermodynamic stabilities for crystals. Our models are available at https://huggingface.co/internlm/Intern-S1.
- Abstract（参考訳）: 近年,オープンソースファウンデーションモデルが数多く登場し,幅広い分野において目覚ましい進歩を遂げており,その性能はクローズドソースモデルに近い。
しかし、高価値でより挑戦的な科学専門家の分野では、分野は依然として専門家モデルに依存しているか、あるいは一般的な基礎モデルの進歩は、科学研究を変革し、これらの科学領域におけるオープンソースモデルとクローズドソースモデルの間にかなりのギャップを残すのに十分なものではない。
このギャップを緩和し、AI(Artificial General Intelligence, AGI)への一歩を踏み出すために、複数の科学モーダルデータを分析する専門知識を備えた一般理解と推論能力を備えた専門的なジェネラリストであるIntern-S1を紹介する。
Intern-S1は28億の活性化パラメータと2410億の総パラメータを持つマルチモーダルMixture-of-Experts(MoE)モデルであり、科学領域からの2.5Tトークンを含む5Tトークン上で継続的に事前訓練されている。
Intern-S1は、トレーニング後の段階において、InternBootCampでオフラインおよびオンライン強化学習(RL)を行い、1000以上のタスクでRLトレーニングを同時に行うためのMixture-of-Rewards(MoR)を提案する。
アルゴリズム、データ、トレーニングシステムの統合イノベーションを通じて、Intern-S1はオンラインRLトレーニングにおいてトップレベルのパフォーマンスを達成した。
包括的評価ベンチマークでは、Intern-S1は、オープンソースモデル間の一般的な推論タスクにおける競争性能を示し、科学領域におけるオープンソースモデルよりもはるかに優れており、分子合成計画、反応条件予測、結晶の熱力学安定性の予測といった専門的なタスクにおけるクローズドソースモデルを上回っている。
私たちのモデルはhttps://huggingface.co/internlm/Intern-S1.comで利用可能です。
関連論文リスト
- Intern-S1-Pro: Scientific Multimodal Foundation Model at Trillion Scale [243.02537333434245]
Intern-S1-Proは、最初の1トリリオンパラメータの科学マルチモーダル基礎モデルである。
その科学的専門知識は、重要な科学分野にまたがって100以上の専門的なタスクを習得するために大幅に拡張されている。
XTuner と LMDeploy は、1-トリリオンパラメータレベルでの強化学習(RL)の訓練を効率的に行う。
論文 参考訳（メタデータ） (2026-03-26T05:21:45Z) - ERNIE 5.0 Technical Report [244.36480708815316]
ERNIE 5.0は、テキスト、画像、ビデオ、オーディオをまたいだ統合されたマルチモーダル理解と生成のための統合された自己回帰基盤モデルである。
ERNIE 5.0は、多様なリソース制約下での大規模デプロイメントの実践的な課題に対処するため、新しい弾力性トレーニングパラダイムを採用している。
ERNIE 5.0は、複数のモードで強い、バランスの取れた性能を実現する。
論文 参考訳（メタデータ） (2026-02-04T16:18:15Z) - Nemotron-Cascade: Scaling Cascaded Reinforcement Learning for General-Purpose Reasoning Models [71.9060068259379]
汎用推論モデルを構築するために,ケースド・ドメインワイド強化学習を提案する。
私たちの14Bモデルは、RLの後、LiveCodeBench v5/v6 ProでSFTの教師であるDeepSeek-R1-0528を上回り、インフォマティクスにおける2025 International Olympiad in Informatics (IOI)における銀の医療性能を上回りました。
論文 参考訳（メタデータ） (2025-12-15T18:02:35Z) - Towards a Physics Foundation Model [2.109902626434734]
シミュレーションデータの1.8TBをトレーニングした一般物理変換器(GPhyT)について述べる。
GPhyTは複数の物理領域にまたがる優れた性能を実現し、特殊アーキテクチャを最大29倍の性能で上回る。
単一のモデルがデータだけで一般的な物理原理を学習できることを確立することで、この研究は普遍的な物理基礎モデルへの道を開く。
論文 参考訳（メタデータ） (2025-09-17T08:19:57Z) - Holistic Evaluation of Multimodal LLMs on Spatial Intelligence [81.2547965083228]
空間情報を用いたマルチモーダルLLMの総合評価のためのEASIを提案する。
われわれはこの調査を8つの主要なベンチマークで実施し、総トークン数は100億を超えている。
実験により、GPT-5は空間知能(SI)において前例のない強みを示すが、(2)多種多様なSIタスクにおいて人的性能に欠けることが明らかとなった。
論文 参考訳（メタデータ） (2025-08-18T17:55:17Z) - Metis-RISE: RL Incentivizes and SFT Enhances Multimodal Reasoning Model Learning [20.515599491717442]
マルチモーダル推論モデル学習のためのtextbfMetis-RISE (textbfRL textbfSFT textbfEnhances) を提案する。
論文 参考訳（メタデータ） (2025-06-16T02:56:13Z) - Echo Chamber: RL Post-training Amplifies Behaviors Learned in Pretraining [74.83412846804977]
強化学習(RL)に基づく微調整は、訓練後の言語モデルにおいて重要なステップとなっている。
数理推論のためのRLファインタニングを、スクラッチから完全にトレーニングモデルを用いて体系的にエンドツーエンドに研究する。
論文 参考訳（メタデータ） (2025-04-10T17:15:53Z) - MM-Eureka: Exploring the Frontiers of Multimodal Reasoning with Rule-based Reinforcement Learning [55.82649731348012]
MMK12データセットとMM-EUREKAを7B,32Bパラメータで導入する。
前者は、人間の検証された答えと解法を含む多様な知識領域を特徴とする高品質なマルチモーダル数学推論データセットである。
後者は,オンラインフィルタリングを利用したルールベース強化学習と,トレーニング安定性を高めるための2段階トレーニング戦略を用いたマルチモーダルモデルである。
論文 参考訳（メタデータ） (2025-03-10T14:23:12Z) - Specialized Foundation Models Struggle to Beat Supervised Baselines [60.23386520331143]
ゲノミクス、衛星画像、時系列の3つのモードを最近のFMで調べ、それらを標準的な教師付き学習ワークフローと比較する。
最新のファンデーションモデルにマッチしたり、性能を上回るような、シンプルな教師付きモデルのトレーニングが一貫して可能であることが分かりました。
論文 参考訳（メタデータ） (2024-11-05T04:10:59Z) - Uni-Mol2: Exploring Molecular Pretraining Model at Scale [27.172011090947823]
原子レベル, グラフレベル, 幾何学構造レベルを統合した分子事前学習モデルUni-Mol2を提案する。
我々は8億のコンフォメーションを事前トレーニングすることで、Uni-Mol2を11億のパラメータに拡張することに成功し、これまでで最大の分子前訓練モデルとなった。
論文 参考訳（メタデータ） (2024-06-21T08:28:54Z) - InternLM2 Technical Report [159.70692271378581]
本稿では,オープンソースのLarge Language Models (LLM) であるInternLM2を紹介する。
InternLM2の事前トレーニングプロセスは細部まで詳細に書かれており、多様なデータ型の準備が強調されている。
InternLM2は、4kトークンでトレーニングされた長期的依存関係を効率的にキャプチャし、事前トレーニングおよび微調整の段階で32kトークンに進む。
論文 参考訳（メタデータ） (2024-03-26T00:53:24Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。