人工智能大模型思考模式优化 - 中国科学院自动化研究所联合鹏城实验室提出高效推理策略AutoThink 可让大模型自主切换思考模式避免"过度思考" [1] - 当前大模型普遍存在"深度思考能力" 即在回答问题前生成包含自我反思和验证的推理过程 显著提升解决复杂问题的能力但导致简单任务处理时产生冗余思考 [1] - AutoThink通过提示词设计和多阶段强化学习 使模型能根据题目难度自主决定是否进行深度思考 例如避免对"2+3"等简单问题进行复杂推导 [1] AutoThink技术实现与应用 - AutoThink采用省略号提示配合三阶段强化学习 引导大模型根据问题难度自主决定思考程度 实现"是否思考"和"思考多少"的智能判断 [2] - 在多个数学数据集测试中 AutoThink实现了准确率与效率的平衡 既提升性能又节省算力 展示出较强适应性和实用性 [2] - 该技术已集成于智能科研平台ScienceOne 将用于训练基座大模型S1-Base 研发团队认为"更聪明地思考 更简洁地表达"是未来科学基础大模型的重要发展方向 [2]

智能科研平台ScienceOne发布 - 由中国科学院自动化研究所牵头打造的智能科研平台ScienceOne发布，依托科学基础大模型，瞄准各学科共性科学研究需求，从数据理解、计算优化、推理评估三个维度实现能力突破 [1] - ScienceOne能为假设提出、方案规划、仿真推演、实验验证、规律发现等科研流程赋能，相当于为科学家配备人工智能研究助手 [1] S1-Literature文献助手 - S1-Literature文献助手依托国内最大科技文献数据库和实时开源科技资料，实现高水平文献理解与综述自动生成 [2] - 该产品可深度理解科学数据类型，准确解读科学公式与专业表述，用户只需简短指令即可自动整理综述骨架，一次性梳理上千篇文献 [2] - 已成功适配数学、物理、材料等学科，未来将动态扩展实现全学科覆盖 [2] - 提供多学科领域知识问答、科学数据解读等功能 [2] S1-ToolChain科学工具调度台 - 实现跨学科数据理解、科学计算与仿真等工具的自主协同调用 [2] - 支持接入各类通用与专业科学模型和工具，以智能体进行工具流编排和任务串联 [2] - 已集成数理化与工程学科近300个多模态科学数据分析、微分方程求解、离散优化、跨尺度仿真等工具 [3] - 可通过科学基础大模型识别研究意图，调用相关模型和工具完成科研任务 [3] 未来发展计划 - 研发团队将开源科学基础大模型S1-Base [3] - 将发布科学智能体工厂S1-Agent，共同形成平台化工具体系 [3]

科学基础大模型发布 - 中国科学院自动化研究所联合多家单位发布基于科学基础大模型的智能科研平台ScienceOne [1] - 平台支持跨学科成果涌现，推动多学科协同的智能科研新范式 [1] - 平台从数据理解、计算优化、推理评估三个维度实现能力突破，赋能科研全流程 [1] 首发工具功能 - S1-Literature文献助手依托国内最大科技文献数据库，实现高水平文献理解与综述自动生成 [2] - 文献助手已完成数学、物理、材料等学科适配，未来将实现全学科覆盖 [2] - S1-ToolChain科学工具调度台集成近300个多模态科学数据分析、微分方程求解等工具 [2] 未来发展计划 - 研发团队将开源科学基础大模型S1-Base [2] - 计划发布科学智能体工厂S1-Agent，形成平台化工具体系 [2] - 目标打造AI4Science新范式 [2]