面对多模态、跨尺度、强约束的科研问题，通用 LLM 正从“工具”升级为“合作者”。
我们带来了一款为科学数据“读—思—设”而生的统一科学基座模型：以更完整的科学数据基座、更系统的训练日程与更可验证的推理机制，直击科学计算与设计痛点。它有三点最值得关注——覆盖更广：统一 I/O 与“任务分组奖励”让单一骨干跨化学/生命/材料等多领域；可验证性更强：从数据标注到思维链再到 RL 奖励全面“科学化”，强调度量统一与工具可复核；工程更到位：明确的数据配比、训练日程与算力规模，保证性能与可复现性。更重要的是，这不是“做题型”模型的又一次包装：它以206B 级多学科科学数据为基础，覆盖科学文本、纯科学序列（DNA/RNA/蛋白/SMILES）、科学序列—文本/科学序列—科学序列成对数据，并在此之上统一建模、统一标注、统一度量，让“读—思—设”闭环可以被数据真实地驱动与校核。
数据集：https://huggingface.co/SciReason 模型：https://huggingface.co/SciReason 代码：https://github.com/open-sciencelab/SciReason
一、这是什么：一个科学数据“读—思—设”专精的基座模型
这是一套统一的科学推理基座：在 206B 级跨学科科学语料与数据上预训练，随后经“三段式”对齐——大规模指令微调（≈4000 万样本）、退火式冷启动（诱导长链思维）、以及引入任务分组与连续化科学奖励的强化学习（DAPO）——把自然语言与异构科学表示（DNA/RNA/蛋白、分子 SMILES、材料结构与文本等）深度对齐，覆盖从文本↔科学格式互译、知识/要素抽取、性质预测/分类到序列生成与可约束设计在内的完整工作流，单模型覆盖 5 大能力，共103个子任务。
与“做题型模型”的区别：
题库式/考试式模型：以高等教育考题数据为基础，侧重少量文本问答与模板化推导，缺少多表示科学数据（序列、符号、结构）的一致编码与可逆互译，无法直达科学研究一线。 本模型SciReasoner：以“文本＋纯序列＋序列—文本/序列—序列配对”的AI-ready 科学数据做预训练母体；在后训练阶段统一 I/O 模式、统一标签域（如 <SMILES>、<dna>、<protein>），并以物理/化学一致性的专业工具校验奖励和连续化奖励作为优化目标，确保推理与设计可被数据与度量反向约束。
二、三大方法学亮点：让“该想的时候认真想”
1）自适应科学推理（Adaptive Scientific Reasoning）
模型区分“即时型（instant）”与“思考型（thinking）”两类任务：前者保留直接答案监督，后者用思维链数据全量替换，确保在真正需要多步推理时给出连贯可查的理由，而简单任务保持高效直答。进一步的实证结论：在任务级别进行“思维链替换”优于在同一任务内混配CoT与非CoT目标，避免风格/长度不一致带来的校准偏移。
2）任务分组奖励（Task Grouped Rewarding）
将科学任务划分为距离度量型（数值预测）、匹配度量型（检索/抽取）与专业工具校验型三类，分别设计可比的质量度量与优势估计，提升跨任务的泛化与鲁棒性。
3）科学奖励“软化”（Scientific Reward Softening）
把原本难以优化的0/1正确性信号，统一映射为[0,1]的连续奖励（如把BERTScore、RMSE等标准量规规范化），显著改善复杂科学推理任务的收敛性与性能提升。
三、能力版图与代表成绩：覆盖“全栈”科学智能
五大能力家族：①文本↔科学表示的双向翻译；②文本/知识抽取；③性质回归预测；④性质分类；⑤序列生成与设计——任务总量涵盖至103类。 纵向对比：在54项任务上拿到SOTA，并在101项任务里名列前二，显示统一骨干在跨学科迁移与端到端工作流覆盖上的优势。 典型任务覆盖：分子表征互译（SMILES↔IUPAC/Formula）、分子描述/图说、蛋白功能翻译、跨模态知识抽取到材料/生物/化学性质预测与分类，再到约束可控的序列与材料/分子设计，强调“可逆性、守恒性、可检验性”的科学语义保真。
四、能落地到哪些场景
药物与分子设计：以性质回归/分类为“筛”，可控序列/分子生成为“设”，工具校验与知识检索为“评”，构成“筛—设—评”的可迭代数据闭环，降低无效合成与实验成本。 蛋白/核酸工程：从功能/本体描述与信息抽取，到稳定性/可溶性等属性预测，再到定向序列设计，兼顾规则约束与可达性。 材料科学：围绕文本—结构—数值三证据链开展性质回归/分类与候选筛选，适配主流数据库字段与口径。 合作交流：欢迎联系唐诗翔(tangshixiang@pjlab.org.cn)、白磊（bailei@pjlab.org.cn）
