北京11月1日电 (记者 孙自法)记者11月1日从中国科学院自动化研究所(自动化所)获悉，该所“AI+科学”研究团队近日正式推出新一代科学文献解析工具——磐石·科学文献解析器，为全球科研工作者提供真正“懂科学”的智能解析引擎。
目前，磐石·科学文献解析器1.0版已正式开源，并作为核心组件集成于中国科学院自动化所“磐石·科学基础大模型”(ScienceOne)，服务全球科研社区。下一步，研究团队将持续拓展其对多模态科学内容的解析能力，并推动构建开放、协作的科学智能生态。
研究团队介绍说，磐石·科学文献解析器从底层算法出发，通过构建面向科学语义理解的多模态训练体系与强化学习机制，在公式、文本、图表等多元素协同解析上实现质的飞跃，为全球科研工作者提供真正“懂科学”的智能解析引擎。
在磐石·科学文献解析器研发过程中，团队摒弃仅依赖通用视觉语言大模型的思路，转而构建一套专为科学文献场景量身定制的算法训练范式。其核心在于三大技术支柱：全场景覆盖的科学数据构建、多模态监督微调策略，以及面向科学文献语义的强化学习优化机制。
在数据层面，系统性采集并构建覆盖手写体、数字排版体与纸质扫描体三大典型科学书写形态的训练语料，这一“全形态、多学科、高质量”的数据基础，为模型理解科学表达的复杂性提供了坚实支撑。
模型训练阶段采用两阶段优化策略：首先通过多模态有监督微调，使模型初步掌握文本、公式、表格、插图等异构元素的联合表征能力。在此基础上，引入一种面向科学文献语义的梯度强化学习策略优化框架，实现模型不仅“看得清”，更能“理解对”。
为更好满足科研需求，磐石·科学文献解析器的输出不仅包含高精度的文本与公式识别结果，还支持多种结构化格式输出，可无缝对接知识抽取、文献重排版、智能问答等下游应用。
研究团队表示，对多个科学文献数据集开展系统评测的结果显示，磐石·科学文献解析器在篇章级解析、公式专项识别等任务中均展现出国际领先水平。(完)