Перейти к содержимому
Экосистема AI Vibe

Новости

Nemotron для науки: +12% SFT и +17% RL на своей CSV-среде

Редакция 16 ноября 2026 г.

Цепочка от таблицы экспериментов до RL-агента, который вызывает инструмент и получает награду от автоматического верификатора.

Агентный ИИ перекраивает научные исследования: сложные гипотезы формулируют на естественном языке, а автономные агенты без пошагового ручного контроля планируют задачи, запускают симуляции, оценивают результат и исправляют ошибки за несколько итераций. NVIDIA связала эту картину с пост-тренингом Nemotron для роста точности в узком научном домене , тем же классом длинных агентных сценариев, где важны и качество ответа, и эффективность вывода. Что меняется в научных воркфлоу Научные агенты всё чаще тянут не одиночный запрос, а длинные цепочки с визуальным контекстом , графики, структуры, снимки экспериментов. В таких циклах модель должна не только отвечать, но и удерживать план: что проверить, когда пересчитать, когда признать провал. Для разработчика это узнаваемый контур «агент → действие → автоматическая проверка → следующая итерация», только предметная область , лаборатория, а не репозиторий. гипотеза и постановка задачи на естественном языке самостоятельное планирование и запуск симуляций оценка результата и самокоррекция между итерациями рост сложности: длиннее сценарии, больше визуальных данных Когда такие цепочки становятся рабочим режимом, а не демо, упор смещается на точность ответа и эффективность вывода , под эту нагрузку и заявлен пост-тренинг Nemotron в научном домене. Источник: Post-Training NVIDIA Nemotron to Increase Accuracy in Your Scientific Domain .