InternLM представила Intern-S2-397B, 397-миллиардную мультимодельную базовую модель, предназначенную для научного интеллекта и агентов с длительным горизонтом планирования. Модель масштабируется по этапам предварительного обучения, охвату задач reinforcement-learning и интерактивным средам агентов, чтобы улучшить общие способности к рассуждению и агентные возможности.

  • Новая парадигма предварительного обучения: Intern-S2-397B обучается непосредственно на сырых страницах научной литературы, совместно моделируя символическую семантику и визуальные связи без промежуточного разбора, чтобы сохранить соответствие текста и изображения.
  • Рассуждение в научной модальности: За счет масштабирования разнообразных задач reinforcement-learning в научных областях более чем по 20 направлениям модель демонстрирует ведущие результаты в общих рассуждениях среди моделей с открытым исходным кодом.
  • Агенты с длительным горизонтом планирования: Модель связывает несколько агентных фреймворков с крупномасштабными изолированными средами для черного ящика агентов reinforcement-learning, улучшая обобщение в задачах с длительным горизонтом планирования.

Этот релиз направлен на обеспечение скачкообразного улучшения в решении научных задач и повышение предела возможностей для задач с длительным горизонтом планирования как в общих, так и в научных доменах.