江夏大学计算科学团队发布一套面向科学发现任务的多模态模型方法，可同时处理文本、图像和结构化实验数据。

研究进展

模型通过任务路由机制识别不同数据之间的关联，并在训练中加入来源标记，使研究人员能够追踪关键结论主要依赖哪些输入。

在材料性质预测和医学影像辅助分析的演示任务中，该方法较基线模型表现更稳定，尤其减少了数据缺失时的异常波动。

应用前景

团队将公开部分评测流程，并继续研究模型的不确定性表达，避免把高置信度输出误解为可靠科学结论。

科学模型不仅要给出答案，还应当说明答案来自哪里、可能错在什么地方。