英伟达发布科学智能体模型Nemotron
时间:2026年11月16日
地点:美国
人物:Ian Buck(英伟达超大规模与高性能计算副总裁)、Terray Therapeutics、Lila Sciences、Therna、阿贡国家实验室
事件详情:英伟达在 SC26 大会上发布 NVIDIA Nemotron for Science,整合 Nemotron 3.5 Super VL 开放模型、全新 LitmusBench v0.2 化学数据集及后训练方案,助力科研人员构建面向科学发现的专用智能体。科研人员可通过后训练使模型适配化学实验、蛋白质设计等专业任务。LitmusBench v0.2 包含近 5 万道化学推理问题,覆盖分子性质与实验药物研发数据。Terray Therapeutics 通过后训练让模型从科学图表中提取反应物与产物,在 RxnScribe 测试中成功提取约 76% 的标注反应。Lila Sciences 将模型用于自动化实验室规程设计,量子点制备准确率从前沿水平翻倍至 61%,推理成本降至 GPT-6 Astra 的十分之一至二十分之一。
背景:Nemotron for Science 基于英伟达今年 10 月推出的 Nemotron 3.5 Super VL 多模态开放模型构建。该模型支持视觉与语言推理,此次通过后训练方案和领域数据集切入生命科学与化学场景。模型本体与 LitmusBench v0.2 数据集已在 Hugging Face 开源,且针对配备 128GB 内存的 NVIDIA DGX Spark 系统做了本地运行优化。
影响:该发布降低了科研机构构建领域专用 AI 智能体的门槛。阿贡国家实验室正将 Nemotron 集成进 StructBioReasoner 多智能体系统,用于癌症蛋白质疗法候选方案设计;瑞典 KTH 基于 Nemotron 构建的智能体在单台 DGX Spark 上运行一夜,修复了 81% 的 GROMACS 分子动力学配置错误;日本理化学研究所也通过 RiVault 推理网关在 RIKYU AI 超级计算平台开放 Nemotron 3.5 Super VL。
总结:英伟达通过 Nemotron for Science 把通用多模态模型向下游科学场景做了垂直封装,核心思路不是重新训练底座,而是提供开放模型、评测数据集和后训练范式。这对中小科研团队的意义在于:无需从零训模型,即可在化学、蛋白质设计、材料发现等方向快速搭建专用智能体。随着 DGX Spark 将算力从数据中心推向桌面,科学 AI 的落地速度有望进一步加快。
参考来源:
NVIDIA 英伟达博客
https://blogs.nvidia.cn/blog/nvidia-introduces-nemotron-for-science-to-accelerate-discoveries-with-agents/
36氪
https://36kr.com/newsflashes/4073071837467521
NVIDIA 开发者博客
https://developer.nvidia.com/blog/post-training-nvidia-nemotron-to-increase-accuracy-in-your-scientific-domain/
CDO Magazine
https://www.cdomagazine.tech/aiml/nvidia-launches-open-science-ai-models-and-50000-question-chemistry-dataset-for-research-agents
Orca Router
https://www.orcarouter.ai/blog/nemotron-for-science-sc26-explained








