Copied


NVIDIA Nemotron 3.5 Super VL이 포스트 트레이닝으로 과학적 정확도를 향상

James Ding   Nov 17, 2026 04:11 0 Min Read


NVIDIA는 Nemotron for Science 플랫폼을 통해 과학 연구를 진전시키기 위한 포괄적인 솔루션을 도입했습니다. 이 이니셔티브는 Nemotron 3.5 Super VL 모델이라는 다중 모달 AI 시스템을 도메인 특화 데이터 집합 및 도구와 통합하여 복잡한 과학적 워크플로우에서 정확성과 효율성을 향상시킵니다. 이 플랫폼은 에이전틱 AI 기반 연구에서의 오류 전파, 지연 및 계산 비용과 같은 문제를 해결합니다.

Nemotron for Science의 주요 기능

Nemotron for Science는 오픈되고 사용자 정의 가능한 Nemotron 3.5 Super VL 모델과 분자 속성을 평가하기 위한 오픈 소스 데이터 세트 및 벤치마크인 Nemotron Litmus-Bench V2.0를 포함합니다. 이 플랫폼은 과학 기준에 대한 최전선 수준의 정확성을 제공하며 과학적 코딩 작업의 솔루션 속도를 가속화합니다.

특정 과학적 도메인을 위해 Nemotron 3.5 Super VL 모델을 포스트 트레이닝할 수 있는 능력은 뛰어난 특징 중 하나입니다. NVIDIA는 NeMo Gym을 사용하여 커스텀 강화 학습(RL) 환경을 구축하고 NVIDIA NeMo RL로 RL을 적용하는 과정에 대한 실용적인 레시피를 제공합니다. 이 접근 방식은 연구자들이 약물 대사 예측과 같은 작업을 위해 모델을 미세 조정할 수 있게 하며, 여기서 12%의 정확도 향상과 추가적인 17%를 통한 RL 포스트 트레이닝이 입증되었습니다.

포스트 트레이닝 워크플로우 및 도구

포스트 트레이닝 프로세스는 SMILES 문자열로 표현되는 분자 구조와 같은 입력-출력 쌍으로 형식화된 실험 데이터를 통해 시작됩니다. 이러한 쌍은 검증 가능한 보상이 있는 강화 학습(RLVR) 환경을 생성하는 데 사용됩니다. 모델은 결과를 예측하고, Tanimoto 유사성과 같은 도구를 사용하여 분자 핑거프린트를 비교하여 점수를 매깁니다. 이 치밀한 보상 신호는 인간 주석의 필요성을 없애줍니다.

훈련은 저위치 어댑터(LoRA)를 가진 그룹 상대 정책 최적화를 사용하여 진행됩니다. 환경 인프라, 보상 서버 및 롤아웃 작업자는 완전히 자급자족하며, 파이프라인이 과학적 도메인 전반에 걸쳐 일반화될 수 있도록 합니다. NVIDIA의 접근 방식은 능력이 높은 인스트럭션 조정 모델이라도 타겟 RL 피드백을 받을 때 의미 있는 개선을 달성할 수 있도록 보장합니다.

성능 향상을 위한 선택적 증류

기본 모델이 RL 훈련 전에 추가 능력을 요구하는 상황에 대해, NVIDIA는 증류 단계를 권장합니다. 이는 더 강력한 교사 모델을 사용하여 높은 품질의 추론 추적을 생성하고 이를 사용하여 학생 모델을 미세 조정하는 것입니다. 이 "웜 스타트" 기술은 수렴 속도를 높이고 성능 바닥을 높이며 이후의 RL 훈련을 더 효율적이고 효과적으로 만듭니다.

약물 대사 예제에서 교사 모델의 추론 추적이 학생 모델이 대사물 구조를 더 잘 예측하는 데 도움을 주어 중요한 정확도 향상을 이루었습니다. 이 과정은 Nemotron 플랫폼의 전문 과학적 작업에 대한 유연성과 적응성을 강조합니다.

과학 연구에 대한 함의

고급 AI 모델, 도메인 특화 데이터 세트, 및 견고한 포스트 트레이닝 워크플로우를 결합하여 NVIDIA의 Nemotron for Science 플랫폼은 연구자들이 복잡한 과학적 문제를 더 높은 정확성과 효율성으로 해결할 수 있게 합니다. 에이전틱 AI 워크플로우에 원활하게 통합할 수 있는 플랫폼의 능력은 화학, 생물학 등의 분야에서 발견을 가속화하는 데 중요한 도구로 자리잡고 있습니다.


Read More