Intern-S2-Preview-397B震撼发布：终极多模态科学智能模型如何引领AI新革命？

Intern-S2-Preview-397B震撼发布终极多模态科学智能模型如何引领AI新革命【免费下载链接】Intern-S2-Preview-397B项目地址: https://ai.gitcode.com/InternLM/Intern-S2-Preview-397BIntern-S2-Preview-397B是一款突破性的多模态科学智能基础模型专为科学推理和长程任务设计。通过创新的视觉语言预训练范式、大规模多任务强化学习和长程智能体强化学习的融合该模型在通用推理、科学问题解决和智能体能力方面实现了质的飞跃为AI领域带来了革命性的突破。 三大核心技术突破全新预训练范式让AI直接阅读科学文献Intern-S2-Preview-397B采用创新的视觉预训练方法能够直接从原始科学文献页面中学习在共享表示空间中联合建模符号语义和视觉关系无需中间解析步骤。这一技术保留了文本-视觉对应关系增强了空间和视觉推理能力并提高了数据效率。科学模态推理与生成跨20领域的专业能力通过在20多个领域扩展多样化的科学强化学习任务并进行联合训练Intern-S2-Preview-397B在开源模型中实现了领先的通用推理性能并在生物分子相互作用设计和材料结构生成等专业科学任务中取得了优异成绩。通用与科学长程智能体突破任务边界通过将多个智能体框架连接到大规模沙盒环境进行黑盒智能体强化学习Intern-S2-Preview-397B提高了在通用和科学领域长程任务的泛化能力并提升了能力上限。 性能表现开源模型中的佼佼者Intern-S2-Preview-397B在各种基准测试中表现卓越包括通用数据集和科学数据集。以下是与最新视觉语言模型和大型语言模型的性能比较图Intern-S2-Preview-397B在通用任务上的性能表现图Intern-S2-Preview-397B在科学任务上的性能表现注下划线表示开源模型中的最佳性能粗体表示所有模型中的最佳性能。我们使用OpenCompass、VLMEvalKit和AgentCompass对所有模型进行评估。对于文本推理基准Intern-S2-Preview-397B的最大推理长度为256K tokens而对于多模态基准其最大推理长度为64K tokens。 快速开始3步部署你的AI助手1️⃣ 准备工作首先克隆项目仓库git clone https://gitcode.com/InternLM/Intern-S2-Preview-397B cd Intern-S2-Preview-397B2️⃣ 推荐采样参数为确保获得更好的结果我们建议使用以下超参数top_p 0.95 top_k 50 min_p 0.0 temperature 0.83️⃣ 部署选项Intern-S2-Preview-397B可以使用以下任何LLM推理框架进行部署LMDeployvLLMSGLang这些框架的详细部署示例可在模型部署指南中找到。 高级用法释放模型全部潜力工具调用扩展AI能力边界工具调用使模型能够通过调用外部工具和API来扩展其能力。以下示例展示了如何通过OpenAI兼容API基于lmdeploy api服务器获取最新天气预报from openai import OpenAI import json def get_current_temperature(location: str, unit: str celsius): 获取地点的当前温度。 return { temperature: 26.1, location: location, unit: unit, } # 工具定义和调用代码省略...思维模式切换平衡推理与效率Intern-S2-Preview-397B默认启用思维模式增强模型的推理能力以生成更高质量的响应。可以通过在tokenizer.apply_chat_template中设置enable_thinkingFalse来禁用此功能text tokenizer.apply_chat_template( messages, tokenizeFalse, add_generation_promptTrue, enable_thinkingFalse # 思维模式指示器 )注意我们不建议在智能体任务中禁用思维模式。时间序列分析科学研究新助手时间序列推理目前仅在LMDeploy中支持。通过遵循模型部署指南下载并部署带有LMDeploy的Intern-S2-Preview-397B即可开始使用。以下是从时间序列信号文件中检测地震事件的示例from openai import OpenAI from lmdeploy.vl.utils import encode_time_series_base64 # 时间序列数据处理和分析代码省略... 智能体集成打造你的AI助手Intern-S2-Preview-397B可以通过两种方式集成到智能体框架中连接到自托管部署或调用官方InternLM API。自托管部署以LMDeploy为例首先按照模型部署指南使用LMDeploy为模型提供服务。以下命令可检查连接curl http://0.0.0.0:23333/v1/chat/completions \ -H Content-Type: application/json \ -H Authorization: Bearer EMPTY \ -d { model: internlm/Intern-S2-Preview-397B, messages: [{role: user, content: Hello}] }官方Intern API如果不想自托管可以使用官方Intern API。在internlm.intern-ai.org.cn注册并创建API令牌sk-xxxxxxxx。服务兼容OpenAI因此任何智能体框架都可以使用。 资源与支持详细部署指南deployment_guide.md配置文件config.json生成配置generation_config.json加入我们的Discord社区获取最新更新和技术支持Intern-S2-Preview-397B正引领AI在科学研究和复杂任务处理领域的新革命无论是学术界还是工业界都能从中获益。立即开始探索这款终极多模态科学智能模型的无限可能【免费下载链接】Intern-S2-Preview-397B项目地址: https://ai.gitcode.com/InternLM/Intern-S2-Preview-397B创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考