机械之心宣布
当云南滇池绿色食物有限公司前，，，，，科学智能（AI for Science）被称之为人工智能的 “皇冠”，，，，，以 AlphaFold 为代表的 AI for Science（AI4S）手艺在卵白质折叠、气象展望等特定领域取得了里程碑式成绩，，，，，但近期《Nature》揭晓的研究指出，，，，，太过依赖现有深度学习模子可能局限新知识的探索界线，，，，，甚至在某种水平上阻碍立异。。。。。。。
一项来自上海人工智能实验室（上海 AI Lab）的系统性评估①进一步展现了目今前沿模子的短板。。。。。。。来自 10 个差别科学领域的 100 位科学家为模子构建了评测问题，，，，，效果显示：前沿模子在通用科学推理使命中得分可达 50 分（满分 100），，，，，但在种种专业推理使命（如专项文献检索、详细实验计划设计）中，，，，，得分骤降至 15-30 分。。。。。。。
“我们已身处 “通用人工智能”（AGI）前夕，，，，，但仍面临主要环节的缺失 —— 通专融合的智能。。。。。。。我们亟需推动科学智能从 1.0 向 2.0 迭代，，，，，即从 AI4S 迈向 AGI4S。。。。。。。” 日前，，，，，上海人工智能实验室主任、首席科学家周伯文在第四十届人工智能协会年会（AAAI 2026）揭晓特邀报告时提出，，，，，科学发明是 AI 的下一个前沿阵地 —— 它既是推理智能的最终试炼场，，，，，也是 “通专融合 AGI” 的验证舞台。。。。。。。若 AGI = 通专融合（Specialized Generalist），，，，，则可深度专业化通用模子（Specializable Generalist）是实现 AGI 的可行路径。。。。。。。
除了分享前沿看法，，，，，周伯文还详细先容了上海 AI 实验室近年来开展的前沿探索与实践，，，，，包括驱动 “通专融合” 生长的手艺架构 ——“智者”SAGE（Synergistic Architecture for Generalizable Experts），，，，，其包括基础、融合与进化三个条理，，，，，并可双向循环实现全栈进化 ； ；；；；；支持 AGI4S 探索的两大基础设施“书生”科学多模态大模子 Intern-S1、“书生”科学发明平台 Intern-Discovery 及一系列相关阶段性希望。。。。。。。
演讲最后，，，，，周伯文向会场内外的观众发出行动召唤：架构已经停当，，，，，但画卷仍存大片留白，，，，，期待与更多偕行者共拓蓝图！
以下为报告全文，，，，，略有修订。。。。。。。
演进预判：从 ANI 到 AGI 的历史跨越
人工智能的生长历程并非线性堆叠，，，，，而是泛起出显着的阶段性跃迁。。。。。。� ； ；；；；；厥� AI 生长的历史坐标，，，，，有助于我们厘清目今所处的位置及未来的偏向。。。。。。。
早在 1996 年涉足 AI 研究之初，，，，，我便最先思索智能的实质。。。。。。。特殊是在担当 IBM 人工智能基础研究院院恒久间，，，，，首次提出了通往通用人工智能（AGI）的战略蹊径图，，，，，明确界定了 AI 生长的三个要害阶段：ANI（狭义人工智能）、ABI（广义人工智能）与 AGI，，，，，并给出了各自明确界说。。。。。。。
我其时的判断是 ANI 在 2016 年已趋于成熟，，，，，而通往 AGI 的必经之路并非直接跃迁，，，，，而是必需率先实现具备跨领域泛化能力的 ABI。。。。。。。我们以为这一跨越需要手艺范式的根天性厘革，，，，，最少包括三个方面：即从有监视学习转向自监视学习，，，，，从人类支解使命级联式系统转向端到端架构，，，，，从判别式工具进化为天生式助手。。。。。。。
六年多后 ChatGPT 的问世，，，，，第一次验证了人工智能系统在以上三方面的同时告竣，，，，，实质上宣告了 ABI 阶段的到来。。。。。。。这一历史性突破验证了规模规则（Scaling Law）的有用性 —— 即通过扩大 Transformer 架构并将 “下一个词展望” 作为优化目的，，，，，人类首次实现了对天下知识的压缩。。。。。。。值得一提的是，，，，，我和团队早在 2016 年提出的关于 “多头自注重力” 机制的研究，，，，，作为 “与下游使命无关”（也就是 “预训练”）的自然语言长上下文压缩表征的首批效果之一，，，，，被开创性的 Transformer 论文引用与认可②，，，，，为这一预训练时代的压缩智能涤讪了主要的理论基石。。。。。。。
重访蹊径图（2016 年）：通往 AGI 之路
战略路径：通专融合与科学发明的最终试炼
随着 Scaling Law 付与了大语言模子普遍的泛化能力（ABI），，，，，在 2023 年头我们提出了一个要害的战略设问：通往 AGI 的下一步，，，，，仅仅是盘算量的堆叠吗？？？？？？？对这些设问的思索促使我在 2023 年提出了“通专融合” 路径。。。。。。。焦点头脑是怎样动态实验融合人类认知头脑的系统 1 和系统 2，，，，，以应对种种现实天下的使命。。。。。。。
重新界说 AGI 之路
已往 70 年 AI 的生长恒久在 “专业性” 与 “通用性” 两个维度上划分希望。。。。。。。以 AlphaFold 为代表的早期系统是极致的 “专家”，，，，，在特定领域逾越人类却缺乏迁徙能力 ； ；；；；；而目今的大语言模子则是博闻广识的 “通才”，，，，，虽具广度但在处置惩罚重大专业使命时往往难以企及专家深度和缺失要害细节。。。。。。。真正的 AGI 必需突破这种二元对立，，，，，构建一种能够动态融合 “系统 1”（直觉式快思索）与 “系统 2”（逻辑式慢思索）的智能架构 —— 即在坚持通用认知基座的同时，，，，，能够在恣意特定使命上通过一连学习与深度推理实现专家级的专精（叙述这一思绪系统的态度论文已于 2024 年在 ArXiv 上揭晓）③。。。。。。。
2024 年尾 OpenAI o1 与 2025 年头 DeepSeek-R1 的泛起，，，，，通过在大模子之上应用强化学习显著提升逻辑推理能力，，，，，有力地验证了关于 “通专融合” 路径预判的准确性。。。。。。。2025 年 10 月，，，，，约书亚?本吉奥教授等人提出了 AGI 的界说，，，，，将其剖析为十种焦点通用能力以及众多狭义的专业能力。。。。。。。若能周全告竣这些能力，，，，，即意味着实现了 AGI。。。。。。。这一界说与我们“通专融合是通往 AGI 的战略路径”的看法高度吻合 —— 这批注该路径正日益成为整个学术社区的普遍共识。。。。。。。
科学发明：推理智能的最终前沿
下一个前沿领域是什么？？？？？？？我以为是科学发明（Scientific Discovery, SD）。。。。。。。在我看来，，，，，除了科学智能（AI for Science, AI4S）所允许的治愈癌症等诸多益处之外，，，，，科学发明更是推理智能的最终磨练，，，，，因此也是 AI 探索的绝对前沿。。。。。。。浚浚�？？？？蒲Х⒚魇且阎胛粗渲卮蟮南嗷プ饔�，，，，，涵盖了从假设天生、实验验证到理论总结的全历程。。。。。。。其对 AI 提出了三重极限挑战：
已知的未知：典范的如组合爆炸，，，，，好比分子设计或质料科学的搜索空间高达 10^60 量级，，，，，远超古板遍历能力 ； ；；；；；未知的未知：科学探索实质上是对漫衍外（OOD）知识的泛化，，，，，是对模子创立力的真正磨练 ； ；；；；；希罕与延迟奖励：科学实验的周期长、反响慢，，，，，是对强化学习算法的严肃测试④。。。。。。。
因此，，，，，科学发明不但是 AI 的最佳应用场景，，，，，更是驱动 “通专融合” 迈向 AGI 的基础动力。。。。。。。
接下来，，，，，我想分享我们为应对这一挑战提出的手艺架构 ——“智者”SAGE。。。。。。。
手艺架构：递归循环的通用专家协同架构“智者”SAGE
为将 “通专融合” 战略转化为可落地的手艺计划，，，，，上海 AI 实验室在 2024 年提出了“智者”SAGE 架构—— 其并非若干模子的简朴堆砌，，，，，而是一个旨在弥合广寻常化与深度专精鸿沟的统一认知生态系统⑤。。。。。。。该架构由三个逻辑耦合的条理组成：
底部的基础模子层致力于结构上的重构，，，，，通过将知识储备与推理能力解耦，，，，，为高阶因果推理提供更无邪的 “画布” ； ；；；；；中心的融合协同层通过麋集历程奖励机制，，，，，动态协调直觉式 “快思索” 与逻辑性 “慢思索”，，，，，精准把控泛化与专精的节奏 ； ；；；；；顶层的探索进化层则付与 AI 自动能动性，，，，，完成从被动数据拟合到自动情形探索的范式转变。。。。。。。
至关主要的是，，，，，SAGE 绝非静态的架构，，，，，而是一个递归运行的活体生态。。。。。。。它通过双向循环实现全栈进化：一方面，，，，，底层解耦的表征自下而上地支持推理战略的天生 ； ；；；；；另一方面，，，，，顶层自动发明获得的高水昭雪馈自上而下回流，，，，，将探索中的 “未知” 转化为新的训练信号。。。。。。。这种闭环机制确保了 SAGE 不但能实现模子参数的优化，，，，，更能推动认知战略自己的一连进化。。。。。。。
递归循环的通专融合手艺架构“智者”（SAGE）
基础模子层：知识与推理的解构与动态耦合
SAGE 的底层致力于解决现有 LLM 将 “事实影象” 与 “逻辑推理” 混淆的问题。。。。。。。以影象解码器（Memory Decoder）⑥为例，，，，，它针对性地解决了现有大模子架构的两大顽疾：一是检索增强天生（RAG）在长文本语境推理中保存的显著延迟与高昂工程本钱 ； ；；；；；二是领域自顺应全参数微调所带来的算力消耗及灾难性遗忘危害。。。。。。。
作为一种预训练、即插即用的自力组件，，，，，影象解码器立异性地接纳与基础模子并行运行并融合输出漫衍的机制。。。。。。。它首次用紧凑的参数化模子替换了古板非参数检索器，，，，，在无需修改基础模子参数、无在线检索开销的条件下，，，，，实现了高效的知识注入。。。。。。。实验数据显示，，，，，其推理开销仅为基础模子的 1.28 倍，，，，，显著低于现有主流计划。。。。。。。这一设计乐成填补了 “高密度知识供应” 与 “推理引擎解耦” 之间的手艺鸿沟，，，，，在 SAGE 框架中实现了推理能力与恒久影象的 “解耦但可集成的推理与知识”，，，，，同时强化了 “恒久影象” 能力。。。。。。。
影象解码器：面向大语言模子的预训练、即插即用影象体
强化学习：毗连基础层与进化层的纽带
强化学习（RL）是毗连 SAGE 基础层与融合层、进化层的纽带，，，，，也是实现 “通专融合” 的焦点动力之一。。。。。。� ； ；；；；；厥灼溲萁�，，，，，RL 履历了从早期关闭情形下的博弈（如 AlphaGo），，，，，演进至通过 RLHF 实现人类偏好对齐，，，，，现在正处于以 o1 和 DeepSeek-R1 为代表的可验证推理（RLVR）阶段，，，，，并终将迈向面向物理天下与科学发明的开放式体验学习新纪元。。。。。。。
适用于可通专融合的强化学习及其三大支柱
在微观机制上，，，，，RL 被归纳为三大支柱：奖励设计作为 “指南针”，，，，，通过希罕或麋集信号界定模子专精的目的 ； ；；；；；战略优化作为 “引擎”，，，，，涵盖从 PPO 到 GRPO 的算法迭代，，，，，驱动模子高效更新 ； ；；；；；采样与探索则决议了模子在重大搜索空间中的导航路径⑦。。。。。。。
鉴于差别使命对 RL 设置的需求各异，，，，，构建系统的焦点手艺挑战在于统一：我们怎样将多样性的最佳的奖励机制、战略优化与采样探索整合为一个协调一致的系统，，，，，从而打造出真正的 “可深度专业化通用模子”？？？？？？？
融合协同层：强化学习驱动的深度推理进化
在 SAGE 架构中，，，，，融合协同层承载着协调 “直觉快思索” 与 “逻辑慢思索” 的焦点职能，，，，，而强化学习（RL）则是实现这一动态协同的要害桥梁。。。。。。。为了构建一个真正的 “可深度专业化通用模子”，，，，，必需战胜古板 RL 在重大推理使命中面临的三大焦点挑战：高昂的监视本钱、训练历程中的熵坍缩以及简单起径的模式瓦解。。。。。。。为此，，，，，我们在该层引入了三项具有范式意义的算法立异，，，，，旨在构建麋集的奖励机制、维持一连的探索能力以及引发推理路径的多样性。。。。。。。
隐式奖励强化学习算法（PRIME）：突破高密度监视的本钱悖论
高度专家化的模子与人类专家在学习机制上具有相似性：专家化模子在训练历程中需要更麋集的反响信息。。。。。。。关于 “通专融合” 大模子而言，，，，，要解决科学发明中的长链条推理问题，，，，，仅依赖最终效果的希罕奖励往往左支右绌，，，，，模子急需麋集的逐步监视信号。。。。。。。然而，，，，，古板的解决计划依赖于历程奖励模子（PRM），，，，，这要求对海量推理办法举行人工细粒度标注，，，，，其本钱之高昂，，，，，使得规� ； ；；；；；┱瓜招┏晌豢赡堋！�。。。。。
针对这一 “高密度监视需求” 与 “高昂标注本钱” 之间的矛盾，，，，，我们提出了 PRIME 算法⑧ ，，，，，旨在从理论层面推导并获取 “免费” 的历程奖励。。。。。。。其焦点洞察在于，，，，，使用战略模子与参考模子之间的统计差别。。。。。。。通过将模子训练目的设定为基于两者对数似然比的效果奖励模子，，，，，我们从数学方面证实，，，，，该模子能够隐式地习得 Q 函数。。。。。。。这意味着，，，，，智能体在无需显式训练重大的 PRM 模子的情形下，，，，，即可在推理的每一个办法中，，，，，通过盘算行动在目今状态下的优劣，，，，，直接推导出麋集的、逐步的奖励信号。。。。。。。
隐式奖励强化学习算法（PRIME）
这一立异带来了多维度的显著优势：
盘算效率的奔腾：与 Math-Shepherd 等依赖自力 PRM 模子的要领相比，，，，，PRIME 在推理阶段无需特另外模子挪用开销，，，，，直接使用天生模子自己的概率漫衍即可获得反响，，，，，极大地提升了盘算效率 ； ；；；；；系统架构的可扩展性：在 SAGE 的系统实现中，，，，，PRIME 计划展现出极强的工程韧性。。。。。。。我们将战略模子与隐式 PRM 举行联动，，，，，依托效果验证器和前序办法产出的自由历程奖励，，，，，构建了高效的在线更新闭环 ； ；；；；；极致的数据效率：实验批注，，，，，PRIME 计划仅需 SOTA 模子 1/10 的训练数据量，，，，，即可抵达相当的性能水平，，，，，极大地降低了对高质量标注数据的依赖。。。。。。。
基准测试效果有力地验证了 PRIME 的有用性：在 AIME 2024 数据集上，，，，，模子准确率提升了 23.4% ； ；；；；；在 AMC 数据集上提升了 27.7% ； ；；；；；在 MATH-500 等权威测试中也取得了显著增添。。。。。。。这一系列数据充分证实，，，，，通过隐式机制构建的浓密奖励，，，，，能够有用驱动模子突破重大推理的瓶颈。。。。。。。
强化学习的熵机制：阻止 “太过自信” 导致探索止步
专家化模子的训练不但需要反响，，，，，更需要一连一直的学习。。。。。。。在深入研究用于推理的强化学习时，，，，，我们展现了一个阻碍模子进化的根天性障碍 ——熵坍缩。。。。。。。通俗地讲，，，，，这等同于解决怎样让通用模子在专家化的历程中，，，，，始终坚持探索与好奇心，，，，，让模子和顶级人类专家一样在专业问题的挑战上阻止过早太过自信，，，，，而是 “stay hungry, stay foolish”（求知若饥，，，，，虚心若愚）。。。。。。。
在训练历程中，，，，，随着模子性能的起源提升，，，，，战略熵往往会急剧下降。。。。。。。这种下降意味着模子对其输出的置信度快速提高，，，，，导致其过早地收敛于局部最优解，，，，，从而损失了探索更优推理路径的可能性。。。。。。。实验数据显示，，，，，熵的消耗主要集中在训练的前数百步，，，，，以后模子的性能提升便迅速进入边际效益递减阶段。。。。。。。这种征象极似人类认知中的 “太过自信”，，，，，即因自满而阻止了对问题细微差别的自动探索 —— 而这种自动探索，，，，，恰恰是通用模子进化为能捕获深层纪律的 “专精模子” 的要害所在。。。。。。。
为相识决这一问题，，，，，我们深入探讨了熵与奖励之间的权衡机制，，，，，并发明了一个要害的定量关系：验证性能（R）与熵（H）泛起显著的对数线性相关⑨。。。。。。。这一精练而深刻的结论为训练计划的优化指明晰偏向：构建可扩展推理 RL 框架的难点，，，，，不在于纯粹堆砌训练时长，，，，，而在于对熵消耗的细腻化治理，，，，，确保模子在训练全周期内保存足够的不确定性，，，，，以驱动一连的探索。。。。。。。
我们提出了一种精准化、局部化且轻量化的熵控制计划：针对这类标记开展选择性调控（如接纳 Clip-Cov、KL-Cov 等要领），，，，，能够告竣局部、轻量的熵控制效果，，，，，既包管模子探索性不受损，，，，，又不会滋扰正常优化流程。。。。。。。该要领实现了对熵的局部控制，，，，，既包管了模子的探索性不受损，，，，，又阻止了对正常优化流程的滋扰。。。。。。。应用该战略后，，，，，模子在坚持高探索能力的同时，，，，，显著提升了下游使命的准确率。。。。。。。这一要领已被实验室的“书生”科学多模态大模子 Intern-S1 等多个头部机构接纳应用，，，，，其相关效果更由斯坦福 Yejin Choi 教授在 2025 年神经信息处置惩罚系统大会（NeurIPS）上举行了重点叙述。。。。。。。
强化学习的熵机制
匹配大语言模子推理的奖励漫衍（FlowRL）：实现专家化模子能力多元化
真正的专家不但能解决问题，，，，，更能能为统一个问题提供多种解决计划，，，，，专家化模子亦是云云。。。。。。。然而，，，，，现有的标准强化学习要领（如 PPO、GRPO）普遍以 “奖励最大化” 为简单目的。。。。。。。这种导向在重大推理使命中极易导致模式瓦解，，，，，即模子倾向于重复收敛至简单的、已知的乐成路径，，，，，而忽略了其他潜在的更优解或多样化解法。。。。。。。
古板 RL 要领天生的漫衍与目的漫衍之间的 KL 散度高达 8.68，，，，，体现为极端的尖峰，，，，，意味着模子探索空间的极端狭窄。。。。。。。为了付与模子真正的专家级头脑多样性，，，，，我们在融合层引入了FlowRL⑩，，，，，这是一项借鉴天生流网络（GFlowNets）头脑的立异事情，，，，，标记着强化学习优化逻辑的范式转变。。。。。。。
FlowRL 的焦点在于将学习目的从 “奖励最大化” 重构为 “漫衍匹配”。。。。。。。模子不再仅仅追逐简单的高分谜底，，，，，而是致力于学习所有有用推理路径的概率漫衍。。。。。。。
漫衍拟合：FlowRL 天生的漫衍能够捕获目的漫衍中的绝大大都概率质量，，，，，拟合多个模态。。。。。。。如左侧平滑曲线所示，，，，，其 KL 散度大幅降低至 0.11，，，，，显著优于古板要领 ； ；；；；；多样性天生：习得的战略在推理历程中能够自然地增进更多样化路径的天生，，，，，从而在面临 “未知的未知” 时具备更强的鲁棒性。。。。。。。
案例显示，，，，，在处置惩罚统一道数学推理题时，，，，，GRPO 模子陷入了头脑死循环，，，，，推理历程重复且最终未能求解 ； ；；；；；而 FlowRL 模子则乐成探索了多样化的推理路径，，，，，最终得出了准确谜底 721。。。。。。。
整体实验效果进一步证实了 FlowRL 的优越性：
准确率提升：在 32B 模子的训练条件下，，，，，FlowRL 在数学推理使命中取得了 48.39% 的准确率，，，，，较 GRPO 提升 10 个百分点，，，，，较 PPO 提升 5.1 个百分点 ； ；；；；；竞赛级体现：基于纯开源数据训练后，，，，，FlowRL 在 CodeForces 平台的评级抵达 1549 分，，，，，性能直逼 o1-preview 水平 ； ；；；；；多样性倍增：FlowRL 天生的解决计划多样性评分高达 2.28，，，，，约为 PPO 的 2 倍。。。。。。。
匹配大语言模子推理的奖励漫衍（FlowRL）
探索进化层：从被动拟合到自动认知探索
SAGE 架构的顶层探索进化层承载着通往 AGI 最要害的愿景 —— 打造一个具备自演化能力的 “可深度专业化通用模子”。。。。。。。这一层的焦点挑战在于，，，，，怎样让通用模子不但在简单使命上实现深度专精，，，，，更能在大规模使命集以致重大的物理天下中，，，，，通过一连的交互与反响实现自我迭代。。。。。。。为了应对这一挑战，，，，，我们从信号（Signal）、规模（Scale）与落地（Ground）三个要害维度出发，，，，，构建了一套完整的进化机制。。。。。。。
信号维度：测试时强化学习（TTRL）与自我进化
在推理测试阶段，，，，，模子面临的最大逆境在于训练数据与测试数据之间的漫衍偏移。。。。。。。一旦失去真实标签的指导，，，，，古板模子便阻止了学习程序。。。。。。。然而，，，，，真正的 “专家”—— 犹如人类物种一样 —— 应当具备在任何未知境况下一连学习顺应的能力。。。。。。。
针对这一痛点，，，，，我们提出了测试时强化学习（Test-Time Reinforcement Learning, TTRL）框架? ，，，，，其焦点洞察建设在一个精练的假设之上：共识即意味着准确性（Consensus implies correctness）。。。。。。。
详细而言，，，，，TTRL 在推理历程中对多个候选解决计划举行采样，，，，，并将大都投票的效果作为 “署理奖励”，，，，，进而使用测试数据流直接对模子参数举行在线更新。。。。。。。这一要领在手艺实现上具备极致的轻量化特征，，，，，仅需不到 20 行代码，，，，，即可将任何推理轨迹转化为有用的训练信号，，，，，实现了模子在无监视情形下的 “自我举证” 与 “自我增强”。。。。。。。
测试时强化学习与自我进化（TTRL）
实测数据验证了 TTRL 的惊人潜力：
性能跃升：在 AIME 2024 数据集上，，，，，搭载 TTRL 的 Qwen-2.5-Math-7B 模子准确率实现了 159% 的相对提升 ； ；；；；；自我逾越：TTRL 优化后的模子展现出了 “青出于蓝” 的特征，，，，，其性能不但逾越了自身的 “最优 N 采样” 基准线，，，，，甚至迫近了使用带真实标签训练的理论上限（Oracle 基线） ； ；；；；；强泛化性：在 AMC、MATH-500 等未见过的权威基准测试中，，，，，模子同样体现出强劲的泛化能力。。。。。。。
TTRL 的乐成证实晰智能体具备自主螺旋式上升的生长潜力，，，，，为 SAGE 架构中的自我进化提供了一条精练高效的路径。。。。。。。
规模维度：InternBootcamp 与使命扩展定律
在解决了 “怎么学” 的信号问题后，，，，，必需回覆 “在哪学” 的规模问题。。。。。。。通专融合模子不但需要在简单使命上通过 “慢思索” 实现专精，，，，，更需要在成百上千个使命上同时实现能力适配。。。。。。。别的，，，，，我们还希望探索一个更深刻的问题：当测试使命的数目与多样性同步扩增时，，，，，是否保存专门针对在测试情形下、针对使命数目的 Scaling Law？？？？？？？
为此，，，，，我们研发了大规模、标准化、可扩展的交互验证情形 ——InternBootcamp?。。。。。。。
作为首个笼罩 8 大使命种别、超 1000 种多样化情形的平台，，，，，InternBootcamp 支持在指定情形中开展大规模强化学习训练。。。。。。。其奇异的 “使命与验证函数自动天生” 能力，，，，，使得用户能够便捷地将电路设计等专业领域使命转化为可验证情形，，，，，通过仿真手段完效果果核验。。。。。。。
InternBootcamp 笼罩 8 大使命种别、超 1000 种多样化使命情形
基于 InternBootcamp 的实验展现了两个主要征象：
能力的 “涌现”：在 BootcampEVAL 评测集中，，，，，Qwen2.5-32B 模子的平均性能实现了翻倍式增添（从 24.4 提升至 59.5）。。。。。。。更为要害的是，，，，，部分在单使命训练下无法解决的逻辑使命，，，，，在经由 500 余项混淆使命训练后变得可解。。。。。。。这证实了使命间的隐性关联能够有用增强模子的综合明确能力。。。。。。。使命扩展定律：实验数据显示，，，，，当使命类型数目从 8 种扩展至 512 种时，，，，，模子性能泛起一连上升趋势。。。。。。。这一效果证实了与使命数目增添相关的规� ； ；；；；；烧媸当４�，，，，，为未来大规模训练提供了理论依据。。。。。。。
落地维度：SimpleVLA-RL 与具身智能演进
进化的终局，，，，，是回归物理天下。。。。。。。目今具身智能面临的焦点瓶颈是数据匮乏：机械人演示数据获取本钱极高，，，，，且纯粹扩大监视微调（SFT）规模面临边际效益递减。。。。。。。我们以为，，，，，强化学习（RL）依附其突破演示数据局限的探索能力，，，，，团结简朴的二元奖励（乐成 / 失败），，，，，足以成为解决这一问题的钥匙。。。。。。。
基于此，，，，，我们提出了极端数据稀缺情形下的在线强化学习框架 ——SimpleVLA-RL?。。。。。。。该框架基于视觉 - 语言 - 行动（VLA）模子，，，，，团结 GRPO 优化目的，，，，，并通过并行多情形渲染手艺支持交互式轨迹采样。。。。。。。
极端数据稀缺情形下的在线强化学习框架 SimpleVLA-RL
实验效果倾覆了对数据效率的古板认知：
超高数据效率：仅需 “单轨迹” 监视微调团结 RL，，，，，即可实现 96.9% 的乐成率，，，，，性能反而逾越了全轨迹监视微调 ； ；；；；；战略涌现：机械人通过 RL 自主探索出了从未被演示过的全新推控战略，，，，，展现出强盛的顺应性 ； ；；；；；Sim-to-Real 突破：在叠碗等典范操作使命中，，，，，仿真到现实的迁徙乐成率提升了 21% ； ；；；；；长时程使命能力：在近期落地中，，，，，该计划在长时程灵巧操作使命上，，，，，实现了相对性能提升 300%，，，，，并展现出令人惊喜的自主恢复能力。。。。。。。
得益于 SimpleVLA-RL，，，，，我们仅用少少的数据与盘算资源，，，，，便取得了可与 Physical Intelligence 团队 π*0.6 模子比肩的性能体现。。。。。。。这一效果标记着 SAGE 架构彻底买通了认真推理决议的 “大脑” 与认真执行行动的 “躯体”，，，，，真正实现了智能体在物理天下中的 “具身化” 演进。。。。。。。
经由近两年的扎实探索，，，，，SAGE 架构已跨越理论构想阶段，，，，，完成了全栈验证。。。。。。。在基础层，，，，，MemoryDecoder 实现了影象与盘算的结构性解耦 ； ；；；；；在融合层，，，，，PRIME 与 FlowRL 攻克了监视稀缺与推理简单性的难题 ； ；；；；；在进化层，，，，，TTRL、InternBootcamp 与 SimpleVLA-RL 构建了从测试时强化到 “具身化” 演进的闭环。。。。。。。
范式革命：从 AI4S 到 AGI4S
只管以 AlphaFold 为代表的 AI for Science（AI4S）手艺在卵白质折叠、气象展望等特定领域取得了里程碑式成绩，，，，，但近期《Nature》揭晓的研究指出，，，，，太过依赖现有深度学习模子可能局限新知识的探索界线，，，，，甚至在某种水平上阻碍立异。。。。。。。这印证了PT视讯(中国区)官网焦点看法：擅优点理数据富足、界说明确使命的古板深度学习，，，，，若仅作为工具保存，，，，，难以应对科学发明中 “未知的未知”。。。。。。。
系统性的评估进一步展现了目今前沿模子的短板。。。。。。。我们团结来自 10 个差别科学领域的 100 位科学家设计了评估系统，，，，，效果显示：前沿模子在通用科学推理使命中得分可达 50 分（满分 100），，，，，但在种种专业推理使命（如专项文献检索、详细实验计划设计）中，，，，，得分骤降至 15-30 分。。。。。。。
这种显着的 “木桶效应” 批注，，，，，科学发明全周期的效能正受制于专业推理能力的最薄弱环节。。。。。。。因此，，，，，整合通用推理与专业能力，，，，，进而推动科学智能从 AI4S 向 AGI4S 迭代成为一定选择。。。。。。。
研究批注，，，，，目今所有前沿模子的科学能力均显缺乏
从 AI4S 迈向 AGI4S，，，，，这一升级旨在推动研究者、研究工具与研究工具的协同演进。。。。。。。通过 AGI 增进三者相互作用、协同演进、螺旋式上升，，，，，将创立出真正“革命的工具”，，，，，推动科研范式厘革?。。。。。。。
从 AI4S 1.0 到 AI4S 2.0（AGI4S）
Intern-S1：面向科学的可深度专业化通用模子
为突破上述瓶颈，，，，，我们研发了 “书生” 科学多模态大模子（Intern-S1）?。。。。。。。作为 SAGE 架构在科学领域的集中体现，，，，，Intern-S1 旨在构建一个既具备强盛通用能力，，，，，又能明确重大科学数据的 “可深度专业化通才”。。。。。。。其在三个层面举行了深度立异：
基础层（数据适配）：针对科学数据的多模态异构性，，，，，提出了科学专用架构。。。。。。。接纳动态分词器与专用编码器，，，，，原生支持 DNA 序列、卵白质结构、时间序列等 10 余种模态。。。。。。。相较于 GPT-OSS 等通用模子，，，，，其在科学数据上的压缩率提升了 1.7 倍，，，，，并基于 2.5 万亿高质量科学 Token 举行了预训练。。。。。。。融合层（混淆奖励）：构建了混淆奖励框架（MoR），，，，，将多种强化学习算法与熵机制整合。。。。。。。该框架平衡了盘算、推理、实验设计等差别手艺所需的奖励信号，，，，，有用缓解了特定使命过拟合问题，，，，，增强了模子在跨领域重大推理中的泛化能力。。。。。。。进化层（交互专精）：依托 InternBootCamp 框架，，，，，模子在超 1000 项专业使命（如逆合身剖析）中与模拟器举行交互学习，，，，，实现了大规模的使命专精。。。。。。。
测评效果显示，，，，，Intern-S1 在通用能力上对齐 SOTA 开源模子，，，，，而在涵盖化学、生物、质料等 9 大领域的科学性能上，，，，，周全逾越了包括 GPT-5 和 Grok-4 在内的顶尖闭源模子。。。。。。。
Intern-Discovery：全流程科学智能系一切
若是说 Intern-S1 是科学大脑，，，，，那么 Intern-Discovery 则是具备行动力的科学智能体。。。。。。。该平台构建了一个将 Intern-S1 与海量数据、2000 + 专业工具及湿实验室验证情形深度融合的智能系一切，，，，，实现了从假设天生到实验验证的闭环。。。。。。。
Intern-Discovery 的焦点逻辑在于建设 “智能体天生” 与 “智能体验证” 的双向循环：前者自动洞察征象、提出假设并设计实验 ； ；；；；；后者通过仿真与物理实验验证假设，，，，，并将反响回传以修正认知。。。。。。。
为支持这一重大流程，，，，，系统引入了两大概害支柱：
科学智能上下文协议（SCP）?：针对现有 MCP 协议在科学资源整合上的缺乏，，，，，SCP 界说了领域特定的结构与协调机制，，，，，实现了对数据集、湿实验室装备及重大事情流的标准化调理与全生命周期治理。。。。。。。分层影象模浚浚�？？？？椋和ü铰猿绦蛴跋螅⊿PM）、使命情景影象（TEM）与语义知识影象（SKM）的协同，，，，，系统能够沉淀高阶研究模式、纪录实验细节并整合恒久知识，，，，，从而在一连迭代中阻止逻辑幻觉。。。。。。。
案例实证：重塑科学发明流程
Intern-Discovery 已在天气科学与生物医学领域展现出 “革命性工具” 的潜力。。。。。。。
在天气科学领域，，，，，面临降水展望中极端重大的非线性交互，，，，，Intern-Discovery 自主挪用 30 余种工具，，，，，剖析了 20 年的多模态数据。。。。。。。它写了 4000 多行专业代码，，，，，乐成发明了被人类专家忽略的水汽与动力项关联，，，，，并推导出一个精练的新型显式非线性方程。。。。。。。该方程不但形式优雅精练，，，，，且显著提升了模拟精度，，，，，有用修正了恒久保存的系统性误差，，，，，证实晰智能体在理论构建层面的创立力?。。。。。。。
Intern-Discovery 在天气科学的应用案例
在生物医学领域，，，，，虚拟疾病生物学家 “元生” 通过模拟人类科学家的头脑模板，，，，，整合遗传学、卵白质组学及临床文献等多源数据。。。。。。。即便在数据希罕条件下，，，，，它仍乐成发明并验证了具有高临床潜力的隐藏靶点，，，，，展示了从数据到机制、从假说到验证的全流程智能化能力。。。。。。。
Intern-Discovery 在生物医学的应用案例
从 Intern-S1 的底层推理突破到 Intern-Discovery 的系统级应用，，，，，我们正逐步构建起一套笼罩科学发明全周期的 AGI4S 基础设施。。。。。。。这不但是工具的刷新，，，，，更是科研范式的重塑 —— 让人工智能真正成为推动科学界线拓展的相助同伴。。。。。。。
行动召唤：共拓新天下蓝图
综上所述，，，，，我们正处在实现 AGI 的前夕，，，，，若AGI = 通专融合（Specialized Generalist），，，，，则可深度专业化的通用模子（Specializable Generalist）是实现 AGI 的可行路径，，，，，而“智者”SAGE 的三层手艺框架正是驱动后者生长的焦点架构。。。。。。。
下一个前沿阵地是科学发明 —— 它既是推理智能的最终试炼场，，，，，也是 “通专融合” 的验证舞台，，，，，大规模推理将赋能科学发明，，，，，科学发明亦将反哺推理能力的进化。。。。。。。
Intern-S1 与 Intern-Discovery 是迈向该偏向的首步实践，，，，，但这一切仅仅是初始的雏形。。。。。。。若是将“智者”SAGE 架构比作一张新天下的地图，，，，，我们现在已建设了很好的起源验证与许多尖兵前哨站，，，，，但这张地图上仍保存辽阔的 “空缺区域”。。。。。。。
架构已经停当，，，，，但画卷仍保存大片留白。。。。。。。若是这些起源希望激起了你的兴趣，，，，，我约请你深入阅读PT视讯(中国区)官网论文与代码 —— 它们都是开源的。。。。。。。但更主要的是，，，，，我约请志同志合者与我们一同填补这些空缺，，，，，配合构建完整的蓝图。。。。。。。
谢谢！
本次报告焦点要点总结
参考文献
① Shanghai Artificial Intelligence Laboratory. Probing Scientific General Intelligence of LLMs with Scientist-Aligned Workflows [J]. arXiv preprint arXiv:2512.16969v1, 2025.
② Vaswani A, et al. Attention is all you need [C]// Advances in neural information processing systems, 2017, 30.
③ Zhang K, Qi B, Zhou B. Towards building specialized generalist ai with system 1 and system 2 fusion [J]. arXiv preprint arXiv:2407.08642, 2024.
④ Qi B, Zhang K, Tian K, ..., Zhou B. Large language models as biomedical hypothesis generators: a comprehensive evaluation [C]. COLM, 2024.
⑤ Zhou B. Building AGI through Specialized Generalist AI: pathways and key issues [J]. Communications of CCF, 2025, 21 (1): 54-62.
⑥ Cao J, Wang J, Wei R, ..., Zhou B, Lin Z. Memory Decoder: A Pretrained, Plug-and-Play Memory for Large Language Models [J]. arXiv preprint arXiv:2508.09874, 2025.
⑦ Zhang K, Zuo Y, He B, ..., Zhou B. A survey of reinforcement learning for large reasoning models [J]. arXiv preprint arXiv:2509.08827, 2025.
⑧ Cui G, Yuan L, Wang Z, ..., Zhou B, Ding N. Process Reinforcement through Implicit Rewards [J]. arXiv preprint arXiv:2502.01456, 2025.
⑨ Cui G, Zhang Y, Chen J, ..., Zhou B, Ding N. The Entropy Mechanism of Reinforcement Learning for Reasoning Language Models [J]. arXiv preprint arXiv:2505.22617, 2025.
⑩ Zhu X, Cheng D, Zhang D, ..., Zhou B, Mei H, Lin Z. FlowRL: Matching reward distributions for LLM reasoning [J]. arXiv preprint arXiv:2509.15207, 2025.
? Zuo Y, Zhang K, Sheng L, ..., Ding N, Zhou B. TTRL: Test-Time Reinforcement Learning [C]// NeurIPS, 2025.
? Li P, Ye J, Chen Y, ..., Zhou B, Chen K. InternBootcamp Technical Report: Boosting LLM Reasoning with Verifiable Task Scaling [J]. arXiv preprint arXiv:2508.08636, 2025.
? Li H, Zuo Y, Yu J, ..., Zhou B, Ding N. SimpleVLA-RL: Scaling VLA Training via Reinforcement Learning [J]. arXiv preprint arXiv:2509.09674, 2025.
? Zhou B, Ding N, Bai L, Zhou H. Advancing AI for science: From the revolution of tools to the tools for revolution [J]. AI Open, 2025, 6: 323-328.
? Shanghai AI Laboratory. INTERN-S1: A SCIENTIFICMULTIMODAL FOUNDATION MODEL [J]. arXiv preprint arXiv:2508.15763, 2025.
? Jiang Y, Lou W, Wang L, ..., Zhou B. SCP: Accelerating Discovery with a Global Web of Autonomous Scientific Agents [J]. arXiv preprint arXiv:2512.24189, 2025.
? Guo Z, Wang 云南滇池绿色食物有限公司J, Ling F, ..., Zhou B, Bai L. A Self-Evolving AI Agent System for Climate Science [J]. arXiv preprint arXiv:2507.17311v3, 2025.