9 月 8 日，上海人工智能实验室（上海AI实验室）开源书生大模型 新一代训练引擎。XTuner V1是伴随上海 AI 实验室“通专融合”技术路线的持续演进，以及书生大模型研发实践而成长起来的新一代训练引擎。相较于传统的 3D 并行训练引擎，XTuner V1不仅能应对更加复杂的训练场景，还具备更快的训练速度，尤其在超大规模稀疏混合专家（MoE）模型训练中优势显著。除了训练框架，书生大模型研发中使

继率先推出首个，上海人工智能实验室（上海AI实验室）于5月15日开源了新一代大模型预览版，进一步拓展“可深度专业化通用模型”的能力边界并大幅降低使用门槛。

ArtiMuse利用超过30万张图像作为训练集，其中包含1万张自建的精标注图像，具有80亿参数，能够对多种类的图像进行精细化、多维度的分项评估，还能生成具有专业水准的美学点评，为艺术教育、审美评价、美育普及提供了精确的量化工具。多模态基础能力全面提升，在专家级基准测试、多模态性能全面测试中，10亿~780亿参数的全量级版本在开源模型中性能均位列第一，同时大幅提升了图形用户界面（GUI）智能体、建筑

随着书生大模型开源生态的不断壮大，越来越多的产品和平台纷纷接入书生大模型。科研人员依托书生大模型持续探索创新，取得了丰富的研究成果；社区用户也不断创造出令人耳目一新的项目。“与书生共创”将推出一系列文章，聚焦这些合作与创新案例。欢迎订阅并踊跃投稿，一起分享经验与成果，共同推动大模型技术的应用与发展。今天要分享的案例，来自知云文献翻译团队。2025 年 4 月，知云团队正式接入书生·浦语（Inter

称上述过程为一次操作。阅卷专家评价Intern-S1：“答案表达方式非常接近人类”，其中对第四题的解答是“一个新的解法，巧妙的调整法，在学生的解法中没有见过”——这标志着Intern-S1不仅在表达逻辑的严谨性和推理能力方面达到专业级水准，还能突破人类解题思路局限，通过自主探索和分析找到新的解题方法，为进一步赋能科学发现夯实技术基础。在学生的解法中没有见过”——这一例证，展示出Intern-S1具

上海人工智能实验室将以实战营为平台联合更多合作伙伴，提供开发技术支持，助力开发者打造“出圈”项目，共同推动国产 AI 生态繁荣。书生大模型实战营第 6 期全面升级，本次课程将在 A100、曦云C系列及 Ascend 多个算力平台，以科学多模态大模型 Intern-S1 为载体，带领大家掌握大模型部署、微调、评测全链路技能。同时，特别增设近 10 万元奖金池的「书生大模型 SFT/RL 公式识别打榜

本项目主要通过数据集创新、算法优化与场景适配，显著提升了模型遥感图像解析的效率与精度，其核心技术可进一步拓展至跨模态特征对齐、自主决策智能体、“端—边—云”协同等方向，为遥感智能分析领域的发展提供重要参考。

灵瞳”眼科智慧诊疗系统是依托自主研发的 OphVLM-R1 多模态推理大模型构建的专业化医疗 AI 平台，专为眼科影像分析与诊断任务量身打造。该项目的核心目标是破解全球眼科优质医疗资源分布不均、基层医疗机构误诊漏诊率居高不下的行业困境，通过 AI 技术赋能临床医生，尤其是基层医疗工作者，提升眼科疾病的早期筛查与精准诊断能力。

本文提到Capability Salience Vector（能力显著向量，CSV），这是一种将整体损失分解并为不同tokens分配重要性权重的方法，能实现将验证损失与模型下游任务能力对齐的功能。传统缩放定律虽建立了训练计算与验证损失的关系，但验证损失与下游任务能力间存在差距，因其默认tokens重要性相同，无法直接建模下游能力与计算或token损失的关系。

同时，传统批阅方式仅停留在分数统计层面，缺乏对错因、知识薄弱环节的细致诊断，难以实现深度的学情分析。这既加重了教师的工作负担，也使得教研活动缺乏数据支撑，制约了教学优化与个性化发展的可能性。其核心是通过 AI 实现自动批阅，教师只需复核不足 5% 的异常情况，帮助教师高效、精准地完成试卷批阅工作，同时提供全面的学情分析和教学建议。依托书生·万象 InternVL 多模态大模型，深圳市牛娃教育科技的