加速科学模型Scaling Law，Scinetics发布ScienceRSI科学自我改进框架

^{作者丨Scinetics 研究团队}

^{编辑丨ScienceAI}

一个模型知道得更多，是否就意味着它在每一道科学问题上都更可靠？一个参数量更小的模型，又能不能把自己的专长传给更大的模型？

科学推理中的能力差异，往往藏在具体环节里。模型可能列对公式，却解释错物理机制；也可能算对一个中间步骤，却在最后的证据判断上失误。局部能力的差异，为模型之间的相互学习留下了空间。

近日，Scinetics 与来自复旦大学、中国科学技术大学、香港科技大学的研究者发布技术报告 ScienceRSI，提出围绕专业化、验证、迁移与复用组织科学模型训练，让一个模型学到的有效能力，成为其他模型继续进步的学习信号。

实验覆盖 4B→4B、4B→8B 和 8B→27B。在所比较的方法中，ScienceRSI 的 4B 与 8B 模型均在五项科学评测上取得最高分；27B 扩展实验的七项基准平均分由 87.3% 提升至 94.0%。ScienceRSI-8b 模型权重已在 Hugging Face 发布。

^{技术报告：https://www.preprints.org/manuscript/202610.2228}

^{开源模型：https://huggingface.co/Scinetics-ai/ScienceRSI-8b}

科学能力需要在模型之间积累

训练一个擅长计算的模型、一个擅长机制分析的模型，并不自动意味着我们得到了一位能力更全面的科学助手。各个模型的优势可能互补，也可能把各自的错误一起带入新的模型。

因此，知识迁移需要回答一个更细的问题：面对当前模型的某个具体失误，哪位专家确实能提供更好的判断？ 专家能否贡献有用信息，要通过同一套科学要求检验。ScienceRSI 将这一判断放在能力迁移之前。

      ^{图 1 同规模能力整合、小模型向大模型迁移，以及后续复用方向。}

专业化。 先培养具有不同科学专长的紧凑模型，分别侧重定量计算、符号推导、机制解释和证据判断。专业化使模型能够在某些具体能力上形成互补。

验证。 将科学回答拆成可以检查的要求，例如计算是否正确、机制是否成立、结论是否得到证据支持。只有当专家在相应要求上优于当前回答时，它的贡献才获得采用资格。

迁移。 把经过筛选的专家贡献用于目标模型训练，让反馈对应到模型需要改进的部分。目标模型同时利用任务奖励与专家反馈，整合分散的科学能力。

复用。 将改进后的模型作为进一步专业化的起点。这为后续循环提供了组织方式，也提出了一个需要持续检验的问题：新的专家能否继续带来新的学习价值？

4B 与 8B 模型在五项科学评测中领先

报告选用七项基准，覆盖科学推理、领域科学与通用推理。GPQA-Diamond、RaR-Science 和 SciBench 检查科学推理；ChemBench 与 RaR-Med 检查化学和医学领域能力；MMLU-Pro 与 MATH500 用于观察通用能力的变化。

在 4B 与 8B 两组实验中，ScienceRSI 在五项科学基准上的得分均位居所比较方法的首位。这里的 4B、8B、27B，分别表示约 40 亿、80 亿、270 亿参数；箭头从专家模型指向接受迁移的目标模型。

^{图 2 三组迁移实验的完整主结果。深绿色加粗与浅绿色下划线分别标记最佳和次优得分。}

同规模整合有效。 在 4B→4B 设置中，ScienceRSI 的科学推理平均分为 55.0%，比 GRPO 高 2.0 个百分点；领域科学平均分达到 59.3%，提高 3.3 个百分点。多个紧凑专家的专长能够在相同模型规模内整合。

小模型也能帮助更大的模型。 在 4B→8B 设置中，科学推理与领域科学平均分分别提高 1.9 和 2.1 个百分点。专家参数量小于目标模型，经过验证的局部优势仍然能够形成有效的训练反馈。

与此同时，通用推理平均分与 GRPO 保持接近，ScienceRSI 的 8B 模型在 MATH500 上达到 85.7%。这些结果支持在提升科学能力的同时，保留具有竞争力的通用推理表现。

8B 专家向 27B 模型迁移后七项得分均提升

团队进一步使用 Qwen3-8B 专家，向 Qwen3.5-27B 目标模型迁移科学能力。相较于对应的 Vanilla 起始模型，ScienceRSI 在七项基准上均取得更高得分。

七项基准的等权平均分从 87.3% 升至 94.0%，提高 6.7 个百分点。 各项增幅为 4.7 至 8.8 个百分点。

提升覆盖了不同类型的科学任务。ChemBench 从 87.2% 升至 95.5%，提高 8.3 个百分点；RaR-Med 从 82.9% 升至 91.7%，提高 8.8 个百分点。GPQA-Diamond、SciBench 和两项通用推理基准也均有改善。

这组实验同时改变了目标规模与模型代际，因此在报告中作为独立扩展结果呈现。它提供的证据是：较小专家的科学专长，经过筛选和整合，也能帮助一个起点更强的模型进一步提高表现。

专家反馈需要经过筛选才能发挥作用

把多个专家的输出全部交给学生模型学习，听起来很直接。但专家同样可能局部出错。未经区分地学习整段回答，可能同时吸收正确推理与错误判断。

为检验这一点，报告在同一 4B 学生上比较了任务奖励训练、任务奖励加密集专家监督，以及 ScienceRSI。专家监督的两种方案共享专家池，让比较聚焦于如何使用专家贡献。

^{图 3 GRPO+MOPD 与 ScienceRSI 均结合任务奖励和专家监督，表中同时列出纯蒸馏与仅强化学习的对照。}

只使用 GRPO 时，科学推理平均分为 53.0%；加入密集专家监督的 GRPO+MOPD 得分为 50.1%；ScienceRSI 达到 55.0%。引入专家本身并不保证提升，反馈的使用方式会改变结果。

进一步的分析支持了这一点。去掉专家贡献的验证环节，科学推理平均分从 55.0% 降至 50.6%。保留相同的监督覆盖量，但把反馈随机移到回答中的其他位置，科学推理与领域科学平均分分别下降 6.3 和 12.1 个百分点。

这意味着，训练信号的价值与它是否对应真实缺口密切相关。ScienceRSI 先检验专家在具体要求上的贡献，再决定采用哪部分反馈，使专业化训练形成的局部优势更有机会保留下来。

对科学模型而言，这种选择尤其关键。一段回答可能只有一个因果关系解释错误，却足以改变最终结论。把反馈落到这个缺口上，才能让模型获得更有针对性的学习机会。

一道遗传题展示互补专长如何协作

在一道保留用于评测的遗传题中，TtGg 与 ttgg 杂交，问题是高茎且黄色的子代占多少。起始模型回答为 0%。机制专家在遗传方格这项要求上提供了通过验证的信息，证据专家则给出了正确的最终比例。

^{图 4 保留起始学生的错误输出、专家验证结果与训练后回答。后者来自完整训练过程，不归因于单次更新。}

完整训练后，ScienceRSI 回答为 25%，验证器判定其通过全部七项要求。这一案例直观展示了框架的出发点：一个专家未必能把整道题答对，但它通过验证的局部贡献仍然可能有用。

递归改进需要持续产生新的学习价值

本次报告验证的是不同规模下的能力迁移环节，多轮循环能否持续积累收益仍需进一步实验。随着目标模型变强，原有专家可能不再提供足够的新信息，专业化训练、任务难度与验证能力也需要同步提升。

沿着这一方向，科学模型的进步有望通过复用不断积累。未来还需要将可靠反馈扩展到分子结构、科学图像、模拟和实验观察，让模型在更丰富的科学任务中识别缺口、吸收有效经验。ScienceRSI 为这条路径提供了一个已经开展实验验证的起点。