लेखकों ने Intern-S2-Preview प्रस्तुत किया है, जो बहुआयामी वैज्ञानिक समझ, तर्कशक्ति, उत्पादन और दीर्घकालिक कार्यों का समर्थन करने के लिए डिज़ाइन किए गए वैज्ञानिक एजेंटिक फाउंडेशन मॉडलों की एक श्रृंखला है। प्रशिक्षण पाइपलाइन रेंडर किए गए वैज्ञानिक दस्तावेज़ों, अंतर्भेदित छवि-पाठ डेटा और विविध वैज्ञानिक संकलनों पर वैज्ञानिक बहुआयामी पूर्व-प्रशिक्षण के साथ शुरू होती है।
मॉडल सुपरवाइज्ड फाइन-ट्यूनिंग, स्केलेबल मल्टी-टास्क रीइन्फोर्समेंट लर्निंग (RL), ब्लैक- और व्हाइट-बॉक्स एजेंटिक RL और ऑन-पॉलिसी डिस्टिलेशन से बने एक एकीकृत पोस्ट-ट्रेनिंग पाइपलाइन का उपयोग करता है। प्रमुख तकनीकी सुधारों में ऑफ-पॉलिसी सुधार के साथ आंशिक रोलआउट, अनुकूलन लंबाई नियमितीकरण, ऑनलाइन स्पेकुलेटिव डिकोडिंग, मजबूत मल्टी-टास्क अनुकूलन और ट्रेस-अवेयर अनुभव असेंबली शामिल हैं।
Intern-S2-Preview-397B प्रभावी दीर्घ-क्रम समझ से संख्यात्मक पूर्वानुमान की ओर समय श्रृंखला मॉडलिंग का विस्तार करता है, जबकि मेमोरी डिकोडर तेज वैज्ञानिक विशेषज्ञता के लिए एक अलग मेमोरी-संवर्धित पथ प्रदान करता है। मूल्यांकन दिखाते हैं कि Intern-S2-Preview-397B वैज्ञानिक, बहुआयामी, एजेंटिक और सामान्य उद्देश्य वाले बेंचमार्क में प्रतिस्पर्धी या अग्रणी परिणाम प्राप्त करता है।
समय श्रृंखला मॉड्यूल SciTS पर वैज्ञानिक सिग्नल समझ और पूर्वानुमान को सुधारते हैं, जबकि अलग Intern-MemDec-4B विस्तार से जमे हुए 397B बैकबोन में कोई बदलाव किए बिना Biology-Instructions औसत स्कोर को 56.92 से 60.32 तक बढ़ा दिया गया है।