Para penulis menyajikan Intern-S2-Preview, serangkaian model fondasi agentic ilmiah yang dirancang untuk mendukung pemahaman ilmiah multimodal, penalaran, generasi, dan tugas jangka panjang. Pipeline pelatihan dimulai dengan pra-pelatihan multimodal ilmiah atas dokumen ilmiah yang dirender, data gambar-teks yang diselang-seling, dan korpus ilmiah yang beragam.
Model ini memanfaatkan pipeline pasca-pelatihan terpadu yang terdiri dari penyetelan halus terawasi (SFT), pembelajaran penguatan multi-tugas yang dapat diskalakan (RL), RL agentic kotak hitam dan kotak putih, serta distilasi on-policy. Peningkatan teknis utama meliputi rollout parsial dengan koreksi off-policy, regularisasi panjang adaptif, dekoding spekulatif online, optimisasi multi-tugas yang kuat, dan perakitan pengalaman yang sadar jejak.
Intern-S2-Preview-397B memperluas pemodelan deret waktu dari pemahaman urutan panjang yang efisien ke peramalan numerik, sementara Memory Decoder menyediakan jalur terpisah yang diperkaya memori untuk spesialisasi ilmiah yang cepat. Evaluasi menunjukkan bahwa Intern-S2-Preview-397B mencapai hasil kompetitif atau terdepan di berbagai benchmark ilmiah, multimodal, agentic, dan tujuan umum.
Modul deret waktu meningkatkan pemahaman sinyal ilmiah dan peramalan pada SciTS, sementara ekstensi Intern-MemDec-4B yang terpisah meningkatkan skor rata-rata Biology-Instructions dari 56,92 menjadi 60,32 tanpa memodifikasi backbone 397B yang beku.