Проблема фрагментации в AI for Science
Развитие AI for Science (AI4S) долгое время шло по пути создания узкоспециализированных моделей и инструментов, дополняющих большие языковые модели (LLM). Однако этот подход привел к фрагментации возможностей: системы плохо справлялись с совместным моделированием гетерогенных данных, научных законов и экспертных знаний. Команда из 22 авторов, включая Цзяхао Чжао и Цзюньи Лю, предлагает решение — S1-Omni, единую мультимодальную модель рассуждений, закрывающую этот пробел.
Архитектура и обучение
Система построена на трех ключевых компонентах:
- Единое представление: Модель преобразует естественный язык и научные объекты (CIF, SMILES, белковые последовательности, спектры, изображения) в общее пространство представлений.
- Выравнивание с знаниями: В процесс обучения заложены научные законы и экспертные знания, что позволяет модели строить логические цепочки на основе доказательств.
- Специализированное декодирование: Поддержка широкого спектра задач, от предсказания свойств до генерации молекул и редактирования научных изображений.
Обучение проводилось на корпусе S1-Omni-Corpus, который включает 200 научных задач и содержит миллионы образцов для рассуждений. Оценка модели прошла на базе более 60 научных бенчмарков.
Результаты сравнения с лидерами рынка
S1-Omni демонстрирует выдающиеся результаты, превосходя текущие флагманы GPT-5.5 и Gemini-3.1-Pro в большинстве тестовых сценариев. В некоторых категориях она не просто догоняет, но и превосходит узкоспециализированные модели, созданные под конкретные научные дисциплины.
| Модель | Тип | Результат на бенчмарках |
|---|---|---|
| S1-Omni | Единая мультимодальная | Превосходит GPT-5.5 и Gemini-3.1-Pro в большинстве задач |
| GPT-5.5 | LLM (General) | Уступает S1-Omni в специфичных научных задачах |
| Gemini-3.1-Pro | LLM (General) | Уступает S1-Omni в специфичных научных задачах |
| Domain-Specific Models | Узкоспециализированные | S1-Omni сопоставима или превосходит их в ряде метрик |
Практическое значение
Публикация от 17 июля 2026 года (arXiv:2607.15686) маркирует сдвиг парадигмы: от разрозненных инструментов к единой «мозговой системе» для науки. S1-Omni предоставляет практический путь к унифицированному научному моделированию, что может ускорить открытия в химии, биологии и материаловедении за счет способности модели работать с разнородными данными в рамках одной архитектуры.
Источник: arXiv cs.AI ↗