Intern-S2-Preview: Scientific Agentic Foundation Model

상하이 AI Lab의 397B 과학 에이전트 파운데이션 모델. 멀티모달 과학 이해부터 도구를 쓰는 장기 에이전트 과제까지 하나의 모델로.

이 논문은 한마디로 과학 연구용으로 특화된 397B 규모 에이전트 파운데이션 모델 시리즈다. 논문·그림·표가 섞인 과학 문서로 사전학습한 뒤, SFT와 강화학습, 에이전트 RL, 증류를 하나의 파이프라인으로 묶었다. 특히 파라미터를 건드리지 않고 외부 '메모리 디코더'를 붙여 새 분야에 빠르게 특화하는 방법이 인상적이다. 시계열 이해·예측 모듈도 추가해 과학 신호 데이터까지 다룬다.

핵심 요약

• 과학 문서(텍스트+그림+표)를 그대로 렌더링해 시각적으로 사전학습시키는 방식으로, 텍스트 추출에서 사라지는 문서 구조까지 흡수시켰다.
• 검증 가능한 목표의 다중과제 강화학습과 흑백박스 에이전트 RL을 하나의 사후학습 파이프라인으로 통합했다.
• 397B 백본을 얼려두고 별도 학습된 메모리 디코더(4B)를 붙이는 방식으로, 일반 능력을 해치지 않고 생물학 점수를 56.92에서 60.32로 올렸다.
• harness×task 추상화로 서로 다른 에이전트 런타임과 과제가 같은 롤아웃·검증·학습 프로토콜을 공유하게 했다.
• 과학·멀티모달·에이전트·일반 벤치마크 전반에서 경쟁력 있는 성적을 냈다.

논문 링크

외부 연구를 정리한 자료입니다. HDATF가 발표한 논문이나 제품 성능을 측정한 결과는 아닙니다.