英矽智能與Liquid AI發布輕量科研基礎模型

🔑 增強重點摘要

• •LFM2-2.6B-MMAI使用Insilico Medicine的Science MMAI Gym訓練框架，透過監督微調(SFT)、推理微調(RFT)和強化學習(RL)，處理超過10億分子和實驗數據點，包括蛋白質-配體結合資訊和化學反應。[5]
• •模型支援藥物發現多階段任務，如ADMET預測、分子屬性估計、逆合成規劃和多參數分子優化，並在MuMO-Instruct基準測試中展現高成功率生成滿足多設計約束的候選分子。[5]
• •LFM2-2.6B-MMAI在22個分子屬性預測任務中，於13個藥動學和毒理學任務超越TxGemma-27B模型，並設計為on-premise部署，保持製藥公司數據私有。[5]

🛠️ 技術深入

• •LFM2系列採用混合架構，結合雙閘控短程卷積塊與分組查詢注意力塊(multiplicative gates and short convolutions)，支援CPU、GPU和NPU部署，適用於智慧手機、筆電和車輛。[1]
• •LFM2-2.6B-MMAI訓練數據約1200億token，涵蓋Insilico內部超過10億分子數據點，包括蛋白質-配體結合、3D結構、1億化學反應和500萬藥物化學實驗測量，使用SFT、RFT和RL訓練。[5]
• •模型支援最大32K上下文長度、多語言(英文、阿拉伯文、中文、法文、德文、日文、韓文、西班牙文)，提供4bit/5bit/6bit/8bit量子化版本，並具備工具使用功能。[3]

🔮 前景展望AI analysis grounded in cited sources

⏳ 時間線