作者 | 论文团队
编辑 | ScienceAI
面对多模态、跨尺度、强约束的科研问题，通用 LLM 正从「工具」升级为「合作者」。
来自上海人工智能实验室等机构的研究团队提出了一款为科学数据「读 — 思 — 设」而生的统一科学基座模型：以更完整的科学数据基座、更系统的训练日程与更可验证的推理机制，直击科学计算与设计痛点。
论文：https://arxiv.org/pdf/2509.21320
数据集：https://huggingface.co/SciReason
模型：https://huggingface.co/SciReason
代码：https://github.com/open-sciencelab/SciReason
它有三点最值得关注：
覆盖更广：统一 I/O 与「任务分组奖励」让单一骨干跨化学 / 生命 / 材料等多领域；
可验证性更强：从数据标注到思维链再到 RL 奖励全面「科学化」，强调度量统一与工具可复核；
工程更到位：明确的数据配比、训练日程与算力规模，保证性能与可复现性。
更重要的是，这不是「做题型」模型的又一次包装：它以 206B 级多学科科学数据为基础，覆盖科学文本、纯科学序列（DNA/RNA/ 蛋白 / SMILES）、科学序列 — 文本 / 科学序列 — 科学序列成对数据，并在此之上统一建模、统一标注、统一度量，让「读 — 思 — 设」闭环可以被数据真实地驱动与校核。
科学数据「读 — 思 — 设」专精的基座模型
这是一套统一的科学推理基座：在 206B 级跨学科科学语料与数据上预训练，随后经「三段式」对齐 —— 大规模指令微调（≈4000 万样本）、退火式冷启动（诱导长链思维）、以及引入任务分组与连续化科学奖励的强化学习（DAPO）—— 把自然语言与异构科学表示（DNA/RNA/ 蛋白、分子 SMILES、材料结构与文本等）深度对齐，覆盖从文本↔科学格式互译、知识 / 要素抽取、性质预测 / 分类到序列生成与可约束设计在内的完整工作流，单模型覆盖 5 大能力，共 103 个子任务。
与「做题型模型」的区别：
题库式 / 考试式模型：以高等教育考题数据为基础，侧重少量文本问答与模板化推导，缺少多表示科学数据（序列、符号、结构）的一致编码与可逆互译，无法直达科学研究一线。
本模型 SciReasoner：以「文本＋纯序列＋序列 — 文本 / 序列 — 序列配对」的 AI-ready 科学数据做预训练母体；在后训练阶段统一 I/O 模式、统一标签域（如 <SMILES>、<dna>、<protein>），并以物理 / 化学一致性的专业工具校验奖励和连续化奖励作为优化目标，确保推理与设计可被数据与度量反向约束。
三大方法学亮点
1）自适应科学推理（Adaptive Scientific Reasoning）
模型区分「即时型（instant）」与「思考型（thinking）」两类任务：前者保留直接答案监督，后者用思维链数据全量替换，确保在真正需要多步推理时给出连贯可查的理由，而简单任务保持高效直答。进一步的实证结论：在任务级别进行「思维链替换」优于在同一任务内混配 CoT 与非 CoT 目标，避免风格 / 长度不一致带来的校准偏移。
2）任务分组奖励（Task Grouped Rewarding）
将科学任务划分为距离度量型（数值预测）、匹配度量型（检索 / 抽取）与专业工具校验型三类，分别设计可比的质量度量与优势估计，提升跨任务的泛化与鲁棒性。
3）科学奖励「软化」（Scientific Reward Softening）
把原本难以优化的 0/1 正确性信号，统一映射为 [0,1] 的连续奖励（如把 BERTScore、RMSE 等标准量规规范化），显著改善复杂科学推理任务的收敛性与性能提升。
覆盖「全栈」科学智能
五大能力家族：①文本↔科学表示的双向翻译；②文本 / 知识抽取；③性质回归预测；④性质分类；⑤序列生成与设计 —— 任务总量涵盖至 103 类。
纵向对比：在 54 项任务上拿到 SOTA，并在 101 项任务里名列前二，显示统一骨干在跨学科迁移与端到端工作流覆盖上的优势。
典型任务覆盖：分子表征互译（SMILES↔IUPAC/Formula）、分子描述 / 图说、蛋白功能翻译、跨模态知识抽取到材料 / 生物 / 化学性质预测与分类，再到约束可控的序列与材料 / 分子设计，强调「可逆性、守恒性、可检验性」的科学语义保真。
能落地到哪些场景
药物与分子设计：以性质回归 / 分类为「筛」，可控序列 / 分子生成为「设」，工具校验与知识检索为「评」，构成「筛 — 设 — 评」的可迭代数据闭环，降低无效合成与实验成本。
蛋白 / 核酸工程：从功能 / 本体描述与信息抽取，到稳定性 / 可溶性等属性预测，再到定向序列设计，兼顾规则约束与可达性。
材料科学：围绕文本 — 结构 — 数值三证据链开展性质回归 / 分类与候选筛选，适配主流数据库字段与口径。
