Science tokens与ScienceRSI：腾讯算力协同Scinetics实现科学评测10/10第一与酶设计pLDDT 79.3

数据来源：腾讯全球数字生态大会演讲《从 Science tokens 到 ScienceRSI 科学智能的新路径》，演讲人张载熙（香港科技大学助理教授、科理新序 CEO 兼 CTO）

攻克科学对象参与推理与外部证据驱动改进的工程化挑战

科学智能需实现“让科学对象参与推理，让外部证据驱动改进”的目标（该 Scinetics技术路线由张载熙（香港科技大学助理教授、科理新序 CEO 兼 CTO）提出）。当前核心瓶颈在于 带验证的长程科学推理轨迹缺失，导致科学模型难以稳定嵌入真实科研工作流。理想状态下，模型应读写多模态科学对象（序列、结构、图像、组学、测量），推理中间状态影响决策，并通过计算、实验与专家检验筛选可信结果。科研机构在酶设计等任务中面临表示、推理与验证脱节，以及缺乏可复用科学资产（对象+条件+证据+来源）的困境，亟需提升验证通过率与跨团队复用效率，以达成可持续进化的科学智能。

共建腾讯云端算力与Scinetics多模态推理原型

腾讯与Scinetics、高校联合建设科学模型、验证环境与真实科研任务：

• 腾讯提供科研算力与云端工作环境，可对接 HAI / GPU / Cloud Studio，支持科学任务稳定执行；
• Scinetics提供多模态科学模型与推理原型（Science tokens 统一词汇表，Chain of science tokens）、长程科学推理数据与评价方法，用验证反馈持续迭代模型；
• 高校与科研机构提供真实科研任务、实验验证，积累可复用资产。

试点切入：酶设计工作流、联合科学评测与可追溯的验证数据。技术路线上采用 VG-OPD（验证引导的多专家蒸馏），按科学标准选择专家，将局部蒸馏融入强化学习，由验证决定“谁来教、教哪里”。

测得酶设计结构置信度79.3与评测双规模第一

应用现状与量化指标

• 酶设计推理：基于四轮结构推理（催化核心、活性位点、全局骨架等），输入反应描述与目标长度生成候选酶。在结构置信度 pLDDT 指标上，Scinetics（COS）达到 79.3，领先 CodeFP (75.6)、MMCP-Gen (69.2)、CFP-Gen (65.8)、DPLM (58.2)，实现酶设计五项指标领先。
• 科学评测：VG-OPD 在 4B、8B模型各5项科学评测中获 10/10 排名第一。8B模型准确率（%）：GPQA-D 80%（最佳对照 66.2%）、RaR-Sci 67.0%（最佳对照 57.6%）、SciBench 59.1%（最佳对照 46.3%）。
• 递归改进路线（ScienceRSI）：当前模型生成科学推理轨迹，经外部验证后训练下一代，每轮需回答验证通过率是否提高、验证器覆盖问题数、独立保留任务是否进步。
• 可复用资产（Science-token economics）：科学对象+条件+证据+来源构成资产，证据状态分预测（提出候选）、模拟（支持明确计算）、实验测量（支持对应实验）、独立复现（增加跨团队复现）。

复用腾讯云端工作环境支撑科学资产持续积累

选择腾讯的核心原因在于其提供 科研算力与云端工作环境，可对接 HAI / GPU / Cloud Studio，保障科学任务稳定执行与运维效率，降低科研模型迭代的底层成本。腾讯生态联合 Scinetics 与高校，将科学模型、验证环境与真实科研任务打通，使 Science tokens 表示科学对象、ScienceRSI 组织持续改进的方案从技术原型落地为可追溯的科研工作流，驱动科学智能可持续进化。