Copied


Супер VL Nemotron 3.5 от NVIDIA улучшает научную точность с помощью постобучения

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


NVIDIA представила комплексное решение для развития научных исследований через свою платформу Nemotron for Science. Эта инициатива интегрирует модель Nemotron 3.5 Super VL, мультимодальную ИИ-систему, с наборами данных и инструментами специфичных для домена, чтобы повысить точность и эффективность в сложных научных потоках работы. Платформа решает такие задачи, как распространение ошибок, задержка и вычислительные затраты в исследованиях, основанных на агентном ИИ.

Ключевые функции Nemotron for Science

Nemotron for Science включает модель Nemotron 3.5 Super VL, которая является открытой и настраиваемой, а также Nemotron Litmus-Bench V2.0 , открытый набор данных и эталон для оценки молекулярных свойств. Платформа обеспечивает уровень точности на переднем крае в научных эталонах и ускоряет время решения научных задач программирования.

Одной из выдающихся функций является возможность постобучения модели Nemotron 3.5 Super VL для конкретных научных областей. NVIDIA предоставляет практическое руководство для этого процесса, которое включает создание настраиваемой среды для обучения с подкреплением (RL) с использованием NeMo Gym и применение RL с NVIDIA NeMo RL. Этот подход позволяет ученым точно настраивать модель для задач, таких как прогнозирование метаболизма лекарств, где были продемонстрированы улучшения точности на 12% посредством управляемой настройки (SFT) и дополнительного 17% через постобучение RL.

Процесс постобучения и инструменты

Процесс постобучения начинается с экспериментальных данных, отформатированных как пары вход-выход, таких как молекулярные структуры, представленные строками SMILES. Эти пары используются для создания среды обучения с подкреплением с проверяемыми наградами (RLVR). Модель предсказывает результаты, которые оцениваются с помощью инструментов, таких как Tanimoto similarity для сравнения молекулярных отпечатков. Этот плотный сигнал вознаграждения исключает необходимость в человеческой аннотации.

Обучение проводится с использованием оптимизации относительной политики в группе (GRPO) с адаптерами низкой ранговости (LoRA). Инфраструктура среды, сервер наград и работники по развертыванию полностью самодостаточны, что позволяет пайплайну обобщаться на научные области. Подход NVIDIA обеспечивает, что даже высокоспособные модели, настроенные для выполнения инструкций, могут достигать значительных улучшений, когда им дается целенаправленная обратная связь RL.

Дополнительная дистилляция для лучшей производительности

Для сценариев, когда базовой модели требуется дополнительная способность перед RL-обучением, NVIDIA рекомендует этап дистилляции. Это включает использование более сильной модели учителя для генерации высококачественных следов рассуждений, которые затем используются для тонкой настройки модели ученика. Эта техника "теплого старта" ускоряет сходимость и повышает уровень производительности, делая последующее обучение RL более эффективным и результативным.

В примере с метаболизмом лекарств следы рассуждений модели учителя направили модель ученика на лучшее прогнозирование структур метаболитов, что привело к значительным приростам точности. Этот процесс подчеркивает гибкость и адаптивность платформы Nemotron для специализированных научных задач.

Последствия для научных исследований

Объединяя передовые модели ИИ, наборы данных, специфичные для домена, и надежные потоки работы постобучения, платформа Nemotron for Science от NVIDIA позволяет исследователям решать сложные научные задачи с большей точностью и эффективностью. Способность платформы бесшовно интегрироваться в потоки работы агентного ИИ ставит ее в ряды ключевых инструментов для ускорения открытий в таких областях, как химия, биология и не только.


Read More