SAIL: Scientific Agentic Intelligence via a Science-Aware Loop
SAIL：通过科学感知循环实现科学智能体智能
🧭 科学智能体训练循环
IQuest Research
35B总参/3B激活的开源科学智能体，用失败诊断自动生成训练任务，性能媲美更大模型
📌 工作参考价值
- 业务 Agent 失败诊断闭环：用强模型分析业务 Agent 的失败 case，定位是检索证据选择、规划修订还是工具调用能力不足，再基于业务知识库自动生成带交互轨迹和可执行环境的训练样本，比人工标注更可规模化。
- 小模型逼近大 Agent 能力的训练组合：先做子能力 specialist SFT（如 query 改写、搜索结果筛选），再用多个 frontier model 做多教师 on-policy 蒸馏，最后接入 Agentic RL。适合电商/搜索推荐场景下用低成本模型达到大模型 Agent 效果。
- MoE 架构降低推理成本：35B 总参 / 3B 激活的设计在保持推理低延迟的同时提升多任务能力，对需要实时响应的搜索推荐 Agent 有直接参考价值。
- 搜索型任务重点优化证据选择：论文发现文献任务失败主要来自证据选择，提示可以在搜索推荐 Agent 中显式构造 query 改写、召回结果排序、引用证据一致性等训练数据，而非只依赖端到端生成。
动机：科学智能体需要处理文献检索、科学编码和多步研究流程，开源模型能力不足，而直接扩大参数成本过高。
方法关键点：SAIL 采用 science-aware improvement loop：frontier agent 分析 SAIL 任务失败，诊断文献任务中的搜索与证据选择、编码中的科学假设与推理、长程调查中的规划与修订；基于论文集合和科学代码仓库自动构建问题、交互轨迹和可执行任务；多轮迭代训练，方法包括 SFT、专项训练、多教师 on-policy 蒸馏和 Agentic RL。模型架构为 35B 总参 / 3B 激活的 MoE。
关键结果：在 SciCode、DS-1k、LitQA-search、E2E-Bench 等多个科学基准上取得与更大开源模型相当或更优水平，例如 E2E-Bench Hard 86.2（超过 GLM-5.2 的 83.7），而参数量显著更少。