直击科学计算与设计痛点，跨学科推理统一基座模型SciReasoner来了

本文介绍上海人工智能实验室等机构研发的统一科学基座模型SciReasoner。背景方面，面对多模态、跨尺度、强约束的科研问题，通用大语言模型正从工具升级为科研合作者。研究目的旨在通过覆盖206B级跨学科科学数据、统一建模与系统化训练，解决科学计算与设计中的痛点。该模型具备三大创新：自适应科学推理机制区分即时型与思考型任务、任务分组奖励提升跨任务泛化能力、科学奖励软化改善收敛性能。结论表明，模型在54项任务上达到SOTA水平，支持从文本翻译、性质预测到序列设计的全流程科学工作流，可应用于药物设计、蛋白工程和材料科学等领域，显著提升科研效率与可验证性。