近日，由南京農(nóng)業(yè)大學和中華書局古聯(lián)（北京）數(shù)字傳媒科技有限公司合作研發(fā)的“中華物產(chǎn)大模型”在世界互聯(lián)網(wǎng)大會烏鎮(zhèn)峰會發(fā)布。圍繞“AI賦能下的中華物產(chǎn)與文明探源”，南京農(nóng)業(yè)大學人文與社會發(fā)展學院教授包平和信息管理學院教授王東波分別作了《數(shù)智賦能下的中華物產(chǎn)與文明探源》和《中華物產(chǎn)大模型簡介》的主旨報告。

中華物產(chǎn)大模型框架圖

此次發(fā)布的中華物產(chǎn)大模型是一個集合了多家機構數(shù)據(jù)資源、算力資源和算法資源的系統(tǒng)工程。整體構建過程分為物產(chǎn)大模型預訓練語料構建、預訓練模型訓練、對話模型構建與知識庫問答實現(xiàn)三大板塊。

王東波介紹，由于物產(chǎn)大模型需要同時滿足對于古今物產(chǎn)資料的有效處理，因此需收集到含有高質(zhì)量物產(chǎn)信息的語料。南京農(nóng)業(yè)大學中華農(nóng)業(yè)文明研究院所保存的3600萬字的手抄本《方志物產(chǎn)》資料是合適的訓練語料之一。

從2008年開始，包平教授團隊在先前基礎上，進行了中華歷史方志物產(chǎn)文獻的補遺和全口徑物產(chǎn)文獻的輯錄和智能化整理,涵蓋了地方志以外的其他記載物產(chǎn)的文獻，包括正史、農(nóng)書、本草、名人筆記、博物志、異物志等，使這套中華物產(chǎn)資源達到4800萬字并逐步開始活化利用，團隊基于此資料開展了深入的智能整理與知識挖掘研究，為后續(xù)與中華書局古聯(lián)公司聯(lián)手構建中華物產(chǎn)大語言模型奠定了堅實的數(shù)據(jù)基礎。

在中華書局古聯(lián)公司所提供的具體場景基礎上，王東波團隊在這一階段采用了當前最先進的深度學習技術，基于自然語言處理領域的基座模型，使用混合了超過20億字物產(chǎn)資料、方志文獻、古籍文本和指令對齊數(shù)據(jù)的綜合數(shù)據(jù)集來訓練40億參數(shù)的大語言模型。經(jīng)過多步優(yōu)化訓練出支持二次開發(fā)的物產(chǎn)基座模型，在多組實驗上的結果顯示該模型能夠在方志翻譯、方志標點、物產(chǎn)實體識別等一系列物產(chǎn)文本處理任務上取得超過原模型的訓練效果，更加適合物產(chǎn)領域的開發(fā)。

 中華物產(chǎn)知識智能活化與利用會意圖

王東波團隊使用了45萬條對話數(shù)據(jù)來訓練模型的基礎對話功能和邏輯能力，尤其強化了模型在物產(chǎn)數(shù)據(jù)處理和物產(chǎn)問答方面的效果。在應用端，中華物產(chǎn)大模型進一步與外部工具或知識庫結合，通過物產(chǎn)識別、物產(chǎn)鏈接和檢索增強問答功能為用戶提供精準、便捷的物產(chǎn)信息查詢服務，給學術研究、商業(yè)開發(fā)等領域提供有力支撐。

據(jù)包平介紹，中國擁有數(shù)量極其豐富的長時段連續(xù)記載的物產(chǎn)歷史文獻資源，開發(fā)一種能夠同時利用好古代和現(xiàn)代物產(chǎn)信息的大語言模型對于推動物產(chǎn)資源的活化利用具有重要意義。未來，依托南京農(nóng)業(yè)大學中華物產(chǎn)與文明探源協(xié)同創(chuàng)新中心這個平臺，在加強對中華物產(chǎn)史的理論研究基礎上，還將在人工智能和物產(chǎn)挖掘結合的研究方向上進一步深耕，推出能夠支持更多模態(tài)物產(chǎn)資源處理的工具，推動中華物產(chǎn)文化走向世界。

據(jù)悉，中華書局是國內(nèi)古籍整理與出版的權威機構，南京農(nóng)業(yè)大學于2023年與中華書局聯(lián)合成立了“中華物產(chǎn)與文明探源協(xié)同創(chuàng)新中心”，中心旨在從具有農(nóng)耕文明鮮明特色的物產(chǎn)史研究入手，從遠古神話里描述的物產(chǎn)到現(xiàn)代科技下呈現(xiàn)的物產(chǎn)，從單純物產(chǎn)史研究到物產(chǎn)與自然、社會、經(jīng)濟、文化的關聯(lián)，揭示中華物產(chǎn)與文明進程的歷時脈絡。

通訊員  楠秾萱

揚子晚報/紫牛新聞  王赟

校對 陶善工