作者 | 論文團隊

編輯 | ScienceAI

面對多模態(tài)、跨尺度、強約束的科研問題，通用 LLM 正從「工具」升級為「合作者」。

來自上海人工智能實驗室等機構(gòu)的研究團隊提出了一款為科學數(shù)據(jù)「讀 — 思 — 設(shè)」而生的統(tǒng)一科學基座模型：以更完整的科學數(shù)據(jù)基座、更系統(tǒng)的訓練日程與更可驗證的推理機制，直擊科學計算與設(shè)計痛點。

• 論文：https://arxiv.org/pdf/2509.21320
• 數(shù)據(jù)集：https://huggingface.co/SciReason
• 模型：https://huggingface.co/SciReason
• 代碼：https://github.com/open-sciencelab/SciReason

它有三點最值得關(guān)注：

• 覆蓋更廣：統(tǒng)一 I/O 與「任務分組獎勵」讓單一骨干跨化學 / 生命 / 材料等多領(lǐng)域；
• 可驗證性更強：從數(shù)據(jù)標注到思維鏈再到 RL 獎勵全面「科學化」，強調(diào)度量統(tǒng)一與工具可復核；
• 工程更到位：明確的數(shù)據(jù)配比、訓練日程與算力規(guī)模，保證性能與可復現(xiàn)性。

更重要的是，這不是「做題型」模型的又一次包裝：它以 206B 級多學科科學數(shù)據(jù)為基礎(chǔ)，覆蓋科學文本、純科學序列（DNA/RNA/ 蛋白 / SMILES）、科學序列 — 文本 / 科學序列 — 科學序列成對數(shù)據(jù)，并在此之上統(tǒng)一建模、統(tǒng)一標注、統(tǒng)一度量，讓「讀 — 思 — 設(shè)」閉環(huán)可以被數(shù)據(jù)真實地驅(qū)動與校核。

科學數(shù)據(jù)「讀 — 思 — 設(shè)」專精的基座模型

這是一套統(tǒng)一的科學推理基座：在 206B 級跨學科科學語料與數(shù)據(jù)上預訓練，隨后經(jīng)「三段式」對齊 —— 大規(guī)模指令微調(diào)（≈4000 萬樣本）、退火式冷啟動（誘導長鏈思維）、以及引入任務分組與連續(xù)化科學獎勵的強化學習（DAPO）—— 把自然語言與異構(gòu)科學表示（DNA/RNA/ 蛋白、分子 SMILES、材料結(jié)構(gòu)與文本等）深度對齊，覆蓋從文本?科學格式互譯、知識 / 要素抽取、性質(zhì)預測 / 分類到序列生成與可約束設(shè)計在內(nèi)的完整工作流，單模型覆蓋 5 大能力，共 103 個子任務。

與「做題型模型」的區(qū)別：

• 題庫式 / 考試式模型：以高等教育考題數(shù)據(jù)為基礎(chǔ)，側(cè)重少量文本問答與模板化推導，缺少多表示科學數(shù)據(jù)（序列、符號、結(jié)構(gòu)）的一致編碼與可逆互譯，無法直達科學研究一線。
• 本模型 SciReasoner：以「文本＋純序列＋序列 — 文本 / 序列 — 序列配對」的 AI-ready 科學數(shù)據(jù)做預訓練母體；在后訓練階段統(tǒng)一 I/O 模式、統(tǒng)一標簽域（如
• ），并以物理 / 化學一致性的專業(yè)工具校驗獎勵和連續(xù)化獎勵作為優(yōu)化目標，確保推理與設(shè)計可被數(shù)據(jù)與度量反向約束。

三大方法學亮點

1）自適應科學推理（Adaptive Scientific Reasoning）

模型區(qū)分「即時型（instant）」與「思考型（thinking）」兩類任務：前者保留直接答案監(jiān)督，后者用思維鏈數(shù)據(jù)全量替換，確保在真正需要多步推理時給出連貫可查的理由，而簡單任務保持高效直答。進一步的實證結(jié)論：在任務級別進行「思維鏈替換」優(yōu)于在同一任務內(nèi)混配 CoT 與非 CoT 目標，避免風格 / 長度不一致帶來的校準偏移。

2）任務分組獎勵（Task Grouped Rewarding）

將科學任務劃分為距離度量型（數(shù)值預測）、匹配度量型（檢索 / 抽取）與專業(yè)工具校驗型三類，分別設(shè)計可比的質(zhì)量度量與優(yōu)勢估計，提升跨任務的泛化與魯棒性。

3）科學獎勵「軟化」（Scientific Reward Softening）

把原本難以優(yōu)化的 0/1 正確性信號，統(tǒng)一映射為 [0,1] 的連續(xù)獎勵（如把 BERTScore、RMSE 等標準量規(guī)規(guī)范化），顯著改善復雜科學推理任務的收斂性與性能提升。

覆蓋「全?！箍茖W智能

• 五大能力家族：①文本?科學表示的雙向翻譯；②文本 / 知識抽?。虎坌再|(zhì)回歸預測；④性質(zhì)分類；⑤序列生成與設(shè)計 —— 任務總量涵蓋至 103 類。
• 縱向?qū)Ρ龋涸?54 項任務上拿到 SOTA，并在 101 項任務里名列前二，顯示統(tǒng)一骨干在跨學科遷移與端到端工作流覆蓋上的優(yōu)勢。
• 典型任務覆蓋：分子表征互譯（SMILES?IUPAC/Formula）、分子描述 / 圖說、蛋白功能翻譯、跨模態(tài)知識抽取到材料 / 生物 / 化學性質(zhì)預測與分類，再到約束可控的序列與材料 / 分子設(shè)計，強調(diào)「可逆性、守恒性、可檢驗性」的科學語義保真。

能落地到哪些場景

• 藥物與分子設(shè)計：以性質(zhì)回歸 / 分類為「篩」，可控序列 / 分子生成為「設(shè)」，工具校驗與知識檢索為「評」，構(gòu)成「篩 — 設(shè) — 評」的可迭代數(shù)據(jù)閉環(huán)，降低無效合成與實驗成本。
• 蛋白 / 核酸工程：從功能 / 本體描述與信息抽取，到穩(wěn)定性 / 可溶性等屬性預測，再到定向序列設(shè)計，兼顧規(guī)則約束與可達性。
• 材料科學：圍繞文本 — 結(jié)構(gòu) — 數(shù)值三證據(jù)鏈開展性質(zhì)回歸 / 分類與候選篩選，適配主流數(shù)據(jù)庫字段與口徑。