多模态大型语言模型（Multimodal Large Language Model，MLLM）是先进的人工智能模型，旨在处理和理解多种信息模态，例如文本、图像和音频。这些模型利用深度学习技术和大量的训练数据，学习不同模态之间的模式和关系。

应用领域1：自然语言处理
NLP大模型的结构创新、强化学习反馈增强、分布式训练、模型优化和加速等相关技术。

应用领域2：计算机视觉和模式识别
图像分割及分类，图像语义理解，半监督学习，弱监督学习等。

应用领域3：多模态和多视角学习
探索如何结合多种信息源，以及从多个角度来学习和理解数据集中的信息，例如图文检索，3D对象检测、机器翻译等。

应用领域4：医学图像分析
旨对医学图像中的兴趣区域和目标进行定性或定量检测，最大限度地挖掘图像内涵，为临床医师或科研人员提供信息参考。其主要研究领域包括图像分类及分割、疾病诊断、图像配准、医学报告生成等 

AIGC技术的核心思想是利用人工智能算法生成具有一定创意和质量的内容。通过训练模型和大量数据的学习，AIGC可以根据输入的条件或指导，生成与之相关的内容。例如，输入关键词、描述或样本，AIGC可以生成与之相匹配的文章、图像、音频等。

具身智能是一种人工智能研究方向，关注于使智能系统能够通过与环境的实际交互来感知、理解和参与其中。具身智能旨在将传感器、行动机制和决策能力整合在一起，使智能系统能够像人类一样在物理世界中行动和交互。通过融合感知、认知和行为，具身智能模型可以学习环境的结构和规律，并采取适当的行动。这种综合性的方法使得具身智能可以应用于机器人技术、自主驾驶汽车、增强现实等领域，促进智能系统与人类环境的更紧密互动和合作。

以Science领域的重大瓶颈问题为导向，预训练具有强大泛化能力的foundation model，赋能多个下游任务场景，包括可控靶向多肽设计、病毒变异预测、抗体生成与关键性质预测、蛋白质结构预测、RNA结构及功能预测等。