MOOSE-Star: Модель на 7B параметров и набор данных из 108 000 статей для открытия научных гипотез – ICML 2026

MOOSE-Star выпущен: модель с 7B параметров, дообученная для открытия научных гипотез, а также набор данных TOMATO-Star из 108 717 статей NCBI. Принята на ICML 2026. Модели дообучены на DeepSeek-R1-Distill-Qwen-7B и доступны в трех вариантах: MS-IR-7B (поиск вдохновляющих работ), MS-HC-7B (составление гипотез) и MS-7B (совместное использование).

Ключевые детали

• Набор данных: TOMATO-Star – 108 717 статей из NCBI (биология, химия, медицина, медицинская визуализация, психология, когнитивная наука), каждая разбита на (история, гипотеза, вдохновляющие работы) с реальными цитатами. Создан с использованием ~38 400 A800 GPU-часов предобработки.
• Временное разделение: обучающий набор ≤ сен. 2025, тестовый набор = окт. 2025 (после даты отсечения знаний базовой модели).
• Бенчмарки точности поиска вдохновляющих работ:
  • Случайный выбор: 6,70%
  • R1-Distilled-Qwen-7B (базовая): 28,42%
  • Claude Sonnet 4.6: 45,02%
  • DeepSeek-R1: 45,11%
  • Gemini-3 Flash: 51,44%
  • GPT-5.4: 51,50%
  • MS-7B (7B, совместный IR + HC): 54,34%
  • MS-IR-7B (7B, только IR): 54,37%
  • Gemini-3 Pro: 54,89%
• Размер модели и развертывание: Стандартная дообученная DeepSeek-R1-Distill-Qwen-7B, ~14 ГБ в fp16, работает на одном 24 ГБ GPU. Совместима с llama.cpp, vLLM, SGLang.
• Лицензии: Apache-2.0 для кода, CC-BY-4.0 для данных.

Статья: arxiv.org/abs/2603.03756 | GitHub: github.com/ZonglinY/MOOSE-Star | Коллекция Hugging Face: huggingface.co/collections/ZonglinY/moose-star-models-and-data

Проверьте на прочность. Раскрытие: опубликовано командой сообщества MiroMind.