Intern-S1 - научные мультимодальные макромодели с открытым исходным кодом от Shanghai AI Lab

Что такое Intern-S1?

Intern-S1 - это научная мультимодальная модель, созданная Шанхайской лабораторией искусственного интеллекта. Модель глубоко интегрирует лингвистические и мультимодальные возможности и оснащена такими мощными функциями, как кросс-модальный научный синтаксис, лингвистическое и визуальное слияние, обработка научных данных, ответы на научные вопросы, разработка и оптимизация экспериментов и так далее. Intern-S1 - это первый "кросс-модальный научный синтаксический движок", который может точно интерпретировать сложные научные модальные данные, такие как химические молекулярные формулы, последовательности белков, сейсмические сигналы и т.д., и превосходит лучшие закрытые модели в многодисциплинарных профессиональных задачах. Intern-S1 основан на динамическом токенизаторе и кодировщике сигналов временных рядов для достижения глубокого слияния нескольких научных модальностей, с мощной общей способностью рассуждения и высочайшей профессиональной способностью, используя метод синтеза научных данных общего назначения и специализированного слияния, который широко используется в интеграции инструментов научных исследований, слиянии изображений и текстов, обработке сложных научных модальных данных и других сценариях.

Основные функции Intern-S1

• Кросс-модальный научный анализНиже приведены примеры того, как мы можем точно интерпретировать сложные научные модальные данные, например, предсказывать пути синтеза соединений и определять осуществимость химических реакций в химии; помогать в анализе белковых последовательностей и открывать мишени для лекарств в биомедицине; идентифицировать сейсмические сигналы и анализировать сейсмические события в области наук о Земле.
• Вербальная и визуальная интеграция: Объединение вербальной и визуальной информации для решения сложных мультимодальных задач.
• Обработка научных данных: Поддержка различных сложных научных модальных данных, таких как кривые изменения освещенности в материаловедении, сигналы гравитационных волн в астрономии и т.д., для достижения глубокого слияния и эффективной обработки данных.
• Ответы на научные вопросы: Предоставление пользователям точных ответов на научные вопросы на основе мощной базы знаний и возможностей рассуждения.
• Разработка и оптимизация экспериментов: Помощь исследователям в разработке экспериментальных протоколов, оптимизации экспериментальных процессов и повышении эффективности исследований.
• командная работа с несколькими разведчиками: Поддерживает мультиинтеллектуальные системы организма, которые работают в согласии с другими интеллектами для выполнения сложных научных задач.
• Автономное обучение и эволюция: Он способен самостоятельно обучаться и оптимизировать свою работу на основе взаимодействия с окружающей средой.
• Обработка и анализ данных: Предоставление инструментов для обработки и анализа данных, помогающих исследователям быстро обрабатывать и анализировать научные данные.
• Развертывание и применение моделей: Поддерживает локальное развертывание и облачные сервисы для удобства использования в различных сценариях.

Адрес официального сайта Intern-S1

• Веб-сайт проекта:: https://intern-ai.org.cn/
• Репозиторий Github:: https://github.com/InternLM/Intern-S1
• Библиотека моделей HuggingFace:: https://huggingface.co/internlm/Intern-S1-FP8

Как использовать Intern-S1

• Платформа для работы в Интернете
  • Платформы доступа: Откройте браузер и посетите официальный сайт проекта, чтобы познакомиться с моделью Intern-S1.
  • Начало диалога: Введите вопрос или запрос в поле ввода и отправьте его, чтобы получить ответ от Intern-S1.
  • Использование специальных возможностей: Следуйте инструкциям на платформе в соответствии с интересующей вас функцией, например, органической химией.
• Репозиторий GitHub
  • склад клонов: Клонируйте репозиторий, введя в командной строке следующую команду:

git clone https://github.com/InternLM/Intern-S1.git

• • Установка зависимостей: Перейдите в каталог репозитория и установите зависимости Python:

cd Intern-S1
pip install -r requirements.txt

• • операционная модель: Запустите модель на основе файла README в репозитории или примера кода. Как правило, можно использовать скрипты Python:

python script_name.py

• Библиотека моделей обнимающихся лиц
  • Модели для погрузки: Используйте следующий код в среде Python для загрузки модели и дизамбигуатора:

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "internlm/Intern-S1-FP8"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name)

• • Создать текст: Используйте модель для создания текста или выполнения других задач:

inputs = tokenizer("Tell me about an interesting physical phenomenon.", return_tensors="pt")
output = model.generate(**inputs, max_length=100)
print(tokenizer.decode(output[0], skip_special_tokens=True))

• • Использование API модели: Если Hugging Face предоставляет услуги API, вызывайте модель непосредственно через API:

import requests

url = "https://api-inference.huggingface.co/models/internlm/Intern-S1-FP8"
headers = {"Authorization": "Bearer YOUR_HUGGINGFACE_API_TOKEN"}
data = {"inputs": "Tell me about an interesting physical phenomenon."}

response = requests.post(url, headers=headers, json=data)
print(response.json()["generated_text"])

Основные преимущества Intern-S1

• мультимодальные возможностиСочетая в себе мощные возможности понимания языка и визуальной обработки, он способен обрабатывать и понимать текст, изображения и многие другие типы данных.
• Оптимизация научных миссийМодели отлично справляются с такими научными задачами, как расшифровка химических структур, понимание белковых последовательностей и планирование путей синтеза соединений.
• Масштабное предварительное обучение: Построен на основе языковой модели MoE (Mixture of Experts) с 235 миллиардами параметров и визуального кодера с 6 миллиардами параметров, предварительно обученного на 5 триллионах лексем мультимодальных данных, из которых более 2,5 триллионов лексем относятся к научной области.
• Динамический токенизатор: Модель основана на динамическом токенизаторе, который поддерживает естественное понимание специализированных данных, таких как молекулярные формулы, последовательности белков и сейсмические сигналы.
• Механизм кросс-модального научного синтаксического анализаНоваторский механизм кросс-модального научного синтаксического анализа Intern-S1 способен точно интерпретировать широкий спектр сложных научных модальных данных, демонстрируя превосходное научное мышление и понимание.
• Общее мышление и профессиональная компетентность: Основываясь на методе синтеза научных данных общего назначения, Интерн-S1 обладает мощной способностью к рассуждениям общего назначения и имеет ряд лучших профессиональных способностей.
• Автономное обучение и эволюция: Модель способна самостоятельно обучаться и оптимизировать свою работу, взаимодействуя с окружающей средой.
• командная работа с несколькими разведчиками: Поддерживает мультиинтеллектуальные системы организма, которые могут работать в согласии с другими интеллектами для выполнения сложных научных задач.
• Обработка и анализ данных: Предоставление инструментов для обработки и анализа данных, помогающих исследователям быстро обрабатывать и анализировать научные данные.

Люди, для которых предназначен Intern-S1

• (научный) исследователь: Исследователи, выполняющие сложные анализы данных и экспериментальные разработки в области химии, биологии, физики и наук о Земле.
• Аналитик данных: Профессионалы, извлекающие ценную информацию из больших объемов научных данных для поддержки принятия решений.
• разработчик программного обеспечения: Инженеры-программисты, которые интегрируют передовые возможности мультимодального анализа в свои приложения.
• Преподаватели и студенты: Преподаватели и студенты, использующие модели для поддержки обучения или проведения научных исследований в академической среде.
• Лица, принимающие корпоративные решения: Бизнес-лидеры, принимающие критические решения на основе аналитики данных.