加速科学模型Scaling Law，Scinetics发布ScienceRSI科学自我改进框架
2026.10.24 · 事件 · 论文 · 论文预印本
Scinetics联合高校提出ScienceRSI，通过专业化、验证、迁移、复用组织科学模型训练。
Scinetics与复旦大学、中国科学技术大学、香港科技大学研究者发布技术报告ScienceRSI，提出围绕专业化、验证、迁移与复用组织科学模型训练。实验覆盖4B→4B、4B→8B和8B→27B，ScienceRSI的4B与8B模型在五项科学评测上取得最高分；27B扩展实验七项基准平均分由87.3%提升至94.0%。ScienceRSI-8b模型权重已在Hugging Face发布。
- 提出ScienceRSI框架，按专业化、验证、迁移、复用四步组织科学模型训练，让一个模型的有效能力成为其他模型的学习信号。
- 4B与8B模型在五项科学评测上均居所比较方法首位；4B→4B设置中科学推理平均分55.0%，比GRPO高2.0个百分点。
- 4B→8B设置中科学推理与领域科学平均分分别提高1.9和2.1个百分点，通用推理与GRPO保持接近。
- 8B专家向27B模型迁移后七项基准均提升，等权平均分从87.3%升至94.0%，提高6.7个百分点。
- 去掉专家贡献的验证环节，科学推理平均分从55.0%降至50.6%；随机移动反馈则使科学推理与领域科学平均分分别下降6.3和12.1个百分点。
为什么值得看
科学模型能力迁移与复用有了可验证的新框架
适合谁关注
关注大模型训练与科学AI的研究者、开发者