• 涵盖多学科：生命科学🧬、化学⚗️、物理⚛️、天文🌌、材料学🪨、地球科学🌍、神经科学等核心领域，资源丰富全面。
• 数据类型多样：涵盖文本QA、视觉问答（VQA）、图像-文本、视频-文本等多模态数据，支持预训练、微调及科学推理等多种任务。
• 发展轨迹清晰：从迁移学习到大规模知识整合，再到指令跟随与自主科学Agent，展现科学LLM的四大范式变革。
• 详实时间线：2018年至2025年间，精选标志性模型与数据集，助力把握科研AI发展脉络。
• 开源与闭源兼备：包含众多开源项目，如Intern-S1（241B参数）、ChemLLM、ShizhenGPT等，方便科研团队快速落地与创新。
• 专业评测集：覆盖学术论文、临床对话、医学影像、蛋白质序列等，配备多维度指标（准确率、F1、BLEU、AUROC等），确保模型能力客观量化。
• 跨语种支持：中英双语及多语言资源，兼顾全球科研需求，提升模型适用性与泛化能力。
• 持续更新：项目活跃，定期整合最新论文和数据，关注前沿趋势，保持科研资源的长效价值。
科学研究正从数据积累向智能洞察跃迁，这份汇总为科研人员提供了系统的工具链与知识地图，促进跨领域协作与突破。
