Az Intern-S2-Preview FP8 egy 35 milliárd paraméterrel rendelkező tudományos multimodális modell, amely helyben is futtatható. A fejlesztőcsapat legújabb kiadása nemcsak a méret növelésére, hanem a feladatok összetettségének és sokszínűségének bővítésére is hangsúlyt helyez, így innovatív módon közelíti meg a mesterséges intelligencia tréninget.
Az ismertető során szó esik arról, hogyan lehet ezt a modellt helyben telepíteni és futtatni különböző tesztfeladatokon, beleértve általános tudományos kérdések megválaszolását, kódgenerálást biológiai szimulációhoz, valamint multimodális feladatokat, ahol képeket kell tudományos összefüggésekben értelmezni.
Fókuszba kerül a „feladat skálázás” technikai koncepciója, mely az eddig elterjedt paraméter- és adat skálázáshoz képest új lehetőségeket nyit. Érdekes kérdések vetődnek fel a modellel kapcsolatban: vajon valóban képes egy viszonylag kisebb, 35 milliárd paraméteres platform kiváltani vagy megközelíteni a sokszor nagyobb, zárt – például trilliós paraméterszámú – modellek teljesítményét?
Szó esik a tudományos problémamegoldás, a multimodalitás, a kódgenerálás, valamint az új tanítási és gyorsító technikák (mint a shared weight MTP, KL loss alkalmazása vagy a chain of thought compression) gyakorlati alkalmazásáról, illetve azok hatékonyságáról is. A felvetett témák a tudományos mesterséges intelligencia aktuális irányait és kihívásait tükrözik.
