← नवीनतम पेपर
🤖 machine learning

Intern-S1-Pro: Scientific Multimodal Foundation Model at Trillion Scale

इंटरन-S1-प्रो (Intern-S1-Pro) एक क्रांतिकारी एक-ट्रिलियन-पैरामीटर वाला ओपन-सोर्स वैज्ञानिक मल्टीमॉडल फाउंडेशन मॉडल है जो सामान्य तर्क और 100 से अधिक विशिष्ट वैज्ञानिक कार्यों में उत्कृष्टता प्राप्त करने के लिए कुशल आरएल (RL) प्रशिक्षण बुनियादी ढांचे का लाभ उठाता है, जो शीर्ष-स्तरीय सामान्य क्षमताओं को बनाए रखते हुए डोमेन-विशिष्ट गहराई में प्रोप्राइटरी मॉडलों से बेहतर प्रदर्शन करता है।

मूल लेखक: Yicheng Zou, Dongsheng Zhu, Lin Zhu, Tong Zhu, Yunhua Zhou, Peiheng Zhou, Xinyu Zhou, Dongzhan Zhou, Zhiwang Zhou, Yuhao Zhou, Bowen Zhou, Zhanping Zhong, Zhijie Zhong, Haiteng Zhao, Penghao Zhao, Xia
प्रकाशित 2026-03-27
📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें
CC BY 4.0

मूल लेखक: Yicheng Zou, Dongsheng Zhu, Lin Zhu, Tong Zhu, Yunhua Zhou, Peiheng Zhou, Xinyu Zhou, Dongzhan Zhou, Zhiwang Zhou, Yuhao Zhou, Bowen Zhou, Zhanping Zhong, Zhijie Zhong, Haiteng Zhao, Penghao Zhao, Xiaomeng Zhao, Zhiyuan Zhao, Yechen Zhang, Jin Zhang, Wenwei Zhang, Hongjie Zhang, Zhuo Zhang, Wenlong Zhang, Bo Zhang, Chao Zhang, Chen Zhang, Yuhang Zang, Fei Yuan, Jiakang Yuan, Jiashuo Yu, Jinhui Yin, Haochen Ye, Qian Yao, Bowen Yang, Danni Yang, Kaichen Yang, Ziang Yan, Jun Xu, Yicheng Xu, Wanghan Xu, Xuenan Xu, Chao Xu, Ruiliang Xu, Shuhao Xing, Long Xing, Xinchen Xie, Ling-I Wu, Zijian Wu, Zhenyu Wu, Lijun Wu, Yue Wu, Jianyu Wu, Wen Wu, Fan Wu, Xilin Wei, Qi Wei, Bingli Wang, Rui Wang, Ziyi Wang, Zun Wang, Yi Wang, Haomin Wang, Yizhou Wang, Lintao Wang, Yiheng Wang, Longjiang Wang, Bin Wang, Jian Tong, Zhongbo Tian, Huanze Tang, Chen Tang, Shixiang Tang, Yu Sun, Qiushi Sun, Xuerui Su, Qisheng Su, Chenlin Su, Demin Song, Jin Shi, Fukai Shang, Yuchen Ren, Pengli Ren, Xiaoye Qu, Yuan Qu, Jiantao Qiu, Yu Qiao, Runyu Peng, Tianshuo Peng, Jiahui Peng, Qizhi Pei, Zhuoshi Pan, Linke Ouyang, Wenchang Ning, Yichuan Ma, Zerun Ma, Ningsheng Ma, Runyuan Ma, Chengqi Lyu, Haijun Lv, Han Lv, Lindong Lu, Kuikun Liu, Jiangning Liu, Yuhong Liu, Kai Liu, Hongwei Liu, Zhoumianze Liu, Mengjie Liu, Ziyu Liu, Wenran Liu, Yang Liu, Liwei Liu, Kaiwen Liu, Junyao Lin, Junming Lin, Tianyang Lin, Dahua Lin, Jianze Liang, Linyang Li, Peiji Li, Zonglin Li, Zehao Li, Pengze Li, Guoyan Li, Lingkai Kong, Linglin Jing, Zhenjiang Jin, Feifei Jiang, Qian Jiang, Junhao Huang, Zixian Huang, Haian Huang, Zhouqi Hua, Han Hu, Linfeng Hou, Yinan He, Conghui He, Tianyao He, Xu Guo, Qipeng Guo, Aijia Guo, Yuzhe Gu, Lixin Gu, Jingyang Gong, Qiming Ge, Jiaye Ge, Songyang Gao, Jianfei Gao, Xinyu Fang, Caihua fan, Yue Fan, Yanhui Duan, Zichen Ding, Shengyuan Ding, Xuanlang Dai, Erfei Cui, Ganqu Cui, Pei Chu, Tao Chu, Guangran Cheng, Yu Cheng, Kai Chen, Yongkang Chen, Chiyu Chen, Guanzhou Chen, Qiaosheng Chen, Sitao Chen, Xin Chen, Haojiong Chen, Yicheng Chen, Weihan Cao, Yuhang Cao, Qinglong Cao, Lei Bai

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक परम "सुपर-साइंटिस्ट" (Super-Scientist) रोबोट बनाने की कोशिश कर रहे हैं।

अतीत में, हमारे पास दो प्रकार के रोबोट थे:

  1. द जनरलिस्ट (The Generalist): एक ऐसा रोबोट जिसे हर चीज़ के बारे में थोड़ा-बहुत पता है (इतिहास, गणित, खाना बनाना, फिल्में) लेकिन वह किसी भी चीज़ में विशेषज्ञ नहीं है।
  2. द स्पेशलिस्ट (The Specialist): एक ऐसा रोबोट जो किसी एक चीज़ (जैसे रसायन विज्ञान) के बारे में सब कुछ जानता है लेकिन फिल्मों के बारे में बात नहीं कर सकता या गणित नहीं कर सकता।

यह पेपर Intern-S1-Pro को पेश करता है, जो दुनिया का पहला "ट्रिलियन-पैरामीटर" सुपर-साइंटिस्ट है। इसे एक ऐसे रोबोट के रूप में सोचें जिसका मस्तिष्क इतना विशाल है (एक ट्रिलियन कनेक्शन!) कि उसे जनरलिस्ट या स्पेशलिस्ट में से किसी एक को चुनने की ज़रूरत नहीं पड़ती। यह एक ही समय में दोनों है।

यहाँ एक सरल विवरण दिया गया है कि उन्होंने इसे कैसे बनाया और यह क्यों विशेष है:

1. मस्तिष्क का विस्तार: "विशेषज्ञों का पुस्तकालय" (The Library of Experts)

एक पुस्तकालय की कल्पना करें। पुराना संस्करण (Intern-S1) में कुछ बहुत बुद्धिमान लाइब्रेरियन थे। नया संस्करण (Intern-S1-Pro) इस पुस्तकालय को हजारों विशिष्ट विशेषज्ञों (रसायनविदों, जीवविज्ञानियों, भूवैज्ञानिकों) तक विस्तारित करता है जो सभी मिलकर काम करते हैं।

  • समस्या: यदि आप बस 1,000 विशेषज्ञों को एक कमरे में डाल देते हैं, तो वे आपस में बहस कर सकते हैं, या कुछ सारा काम कर सकते हैं जबकि अन्य खाली बैठे रह सकते हैं। इससे सिस्टम क्रैश हो जाता है (जैसे ट्रैफिक जाम)।
  • समाधान (ग्रुप रूटिंग - Group Routing): टीम ने एक "ट्रैफिक पुलिस" प्रणाली बनाई। उन्होंने विशेषज्ञों को टीमों में बांटा। जब कोई प्रश्न आता है, तो ट्रैफिक पुलिस उसे सबसे अच्छे समूह के पास भेजती है, और उस समूह के भीतर, सबसे अच्छे विशेषज्ञ के पास भेजती है। यह कार्यभार को पूरी तरह से संतुलित रखता है ताकि कंप्यूटर क्रैश न हो, भले ही इस आकार का मस्तिष्क कितना भी बड़ा क्यों न हो।
  • "रूटर" अपग्रेड (The "Router" Upgrade): यह सुनिश्चित करने के लिए कि ट्रैफिक पुलिस जल्दी सीख सके, उन्होंने एक विशेष तकनीक (जिसे "स्ट्रेट-थ्रू एस्टीमेटर" कहा जाता है) का उपयोग किया जो पुलिस को केवल अपनी गलतियों से ही नहीं, बल्कि हर गलती से सीखने की अनुमति देती है, जिससे सीखने की प्रक्रिया तेज हो जाती है।

2. विज्ञान को "देखना" सीखना

विज्ञान केवल टेक्स्ट नहीं है; यह चित्र, ग्राफ और चार्ट भी है।

  • समस्या: अधिकांश AI मॉडल एक वैज्ञानिक ग्राफ को देखते हैं और उसे रेखाओं का एक धुंधला ढेर समझते हैं। वे छोटे लेबल नहीं पढ़ पाते या जटिल डेटा को नहीं समझ पाते।
  • समाधान: टीम ने एक विशेष "कैप्शन फैक्ट्री" (Caption Factory) बनाई। AI केवल यह अनुमान न लगाए कि चित्र क्या है, इसके बजाय उन्होंने वैज्ञानिक शोध पत्रों को उच्च-गुणवत्ता वाले विवरणों में बदलने के लिए एक पाइपलाइन का उपयोग किया।
    • उपमा: कल्पना करें कि एक मानव अनुवादक जो केवल शब्दों का अनुवाद नहीं करता है, बल्कि यह भी समझाता है कि एक ग्राफ एक निश्चित तरीके से क्यों दिखता है। उन्होंने AI को लाखों ऐसे "सुपर-एक्सप्लेनेशन" (अति-व्याख्याओं) के साथ प्रशिक्षित किया ताकि वह वैज्ञानिक चार्ट को पीएचडी छात्र की तरह पढ़ सके।

3. समय को सुनना (The Time-Series Module)

विज्ञान में अक्सर ऐसा डेटा शामिल होता है जो समय के साथ बदलता है, जैसे दिल की धड़कन, मौसम के पैटर्न, या शेयर बाजार।

  • समस्या: मानक AI समय को मोतियों की एक माला (अलग-अलग चरणों) की तरह मानता है। लेकिन वास्तविक जीवन एक बहती हुई नदी है।
  • समाधान: उन्होंने एक "टाइम-सीरीज एनकोडर" जोड़ा।
    • उपमा: फिल्म को एक-एक फ्रेम करके देखने के बजाय, यह मॉड्यूल नदी के पूरे प्रवाह को देखता है। यह बहुत कम समय के (कुछ सेकंड) या बहुत लंबे समय के (वर्षों के) डेटा को बिना भ्रमित हुए संभाल सकता है। यह एक ऐसी टाइम मशीन की तरह है जो ब्रह्मांड की लय को समझती है।

4. "एजेंट" क्षमता: काम करना (The "Agent" Capability: Doing the Work)

यह केवल प्रश्न पूछने वाला रोबोट नहीं है; यह एक ऐसा रोबोट है जो काम करता है।

  • अपग्रेड: Intern-S1-Pro के पास "एजेंट" कौशल हैं।
    • उपमा: यदि आप एक सामान्य AI से पूछते हैं, "मैं इस रसायन का संश्लेषण कैसे करूँ?" तो वह आपको एक रेसिपी देता है। यदि आप Intern-S1-Pro से पूछते हैं, तो यह प्रयोग की योजना बना सकता है, सही उपकरणों को खोज सकता है, सिमुलेशन चला सकता है, और परिणामों की जांच कर सकता है। यह एक व्यक्तिगत सहायक को काम पर रखने जैसा है जो केवल उसके बारे में मेमो नहीं लिखता, बल्कि वास्तव में लैब में जाकर काम कर सकता है।

5. परिणाम: यह क्यों मायने रखता है

टीम ने इस नए रोबोट का परीक्षण सबसे स्मार्ट क्लोज्ड-सोर्स मॉडल्स (जैसे बड़ी टेक कंपनियों के गुप्त मॉडल) और अन्य ओपन-सोर्स मॉडल्स के खिलाफ किया।

  • निर्णय: Intern-S1-Pro ने विज्ञान कार्यों में उन सबको पीछे छोड़ दिया।
    • रसायन विज्ञान, जीव विज्ञान और पदार्थ विज्ञान में, इसने उन "ब्लैक बॉक्स" मॉडल्स से अधिक स्कोर किया जिन्हें चलाने में लाखों खर्च होते हैं।
    • इसने अपनी सामान्य बुद्धिमत्ता (गणित, कोडिंग, तर्क) को भी बनाए रखा, जिससे यह सिद्ध हुआ कि विज्ञान में "स्मार्ट" होने के लिए आपको "सामान्य रूप से स्मार्ट" होना छोड़ने की आवश्यकता नहीं है।

मुख्य निष्कर्ष (The Big Takeaway)

यह पेपर एक विपरीत विचार को सिद्ध करता है: आपको हर विज्ञान के लिए एक अलग रोबोट की आवश्यकता नहीं है।

यदि आप एक विशाल, सुव्यवस्थित मस्तिष्क (एक "स्पेशलाइज़ेबल जनरलिस्ट") बनाते हैं और उसे सही डेटा खिलाते हैं, तो वह दुनिया का सर्वश्रेष्ठ वैज्ञानिक और दुनिया का सर्वश्रेष्ठ सामान्य सहायक दोनों बन सकता है। यह "AI for Science" के क्षेत्र में एक बड़ी छलांग है, जिसका अर्थ है कि यह उपकरण शोधकर्ताओं को नई दवाएं खोजने, बेहतर बैटरी डिजाइन करने और हमारे ग्रह को पहले से कहीं अधिक तेज़ी से समझने में मदद कर सकता है।

अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?

आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।

Digest आज़माएँ →

इसी तरह के और पेपर

इस विषय के सभी पेपर देखें 🤖 cs.LG →