近日，由南京農業大學和中華書局古聯（北京）數字傳媒科技有限公司合作研發的“中華物產大模型”在世界互聯網大會烏鎮峰會發布。圍繞“AI賦能下的中華物產與文明探源”，南京農業大學人文與社會發展學院教授包平和信息管理學院教授王東波分別作了《數智賦能下的中華物產與文明探源》和《中華物產大模型簡介》的主旨報告。

中華物產大模型框架圖

此次發布的中華物產大模型是一個集合了多家機構數據資源、算力資源和算法資源的系統工程。整體構建過程分為物產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三大板塊。

王東波介紹，由于物產大模型需要同時滿足對于古今物產資料的有效處理，因此需收集到含有高質量物產信息的語料。南京農業大學中華農業文明研究院所保存的3600萬字的手抄本《方志物產》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文獻的補遺和全口徑物產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的文獻，包括正史、農書、本草、名人筆記、博物志、異物志等，使這套中華物產資源達到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，為后續與中華書局古聯公司聯手構建中華物產大語言模型奠定了堅實的數據基礎。

在中華書局古聯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20億字物產資料、方志文獻、古籍文本和指令對齊數據的綜合數據集來訓練40億參數的大語言模型。經過多步優化訓練出支持二次開發的物產基座模型，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、物產實體識別等一系列物產文本處理任務上取得超過原模型的訓練效果，更加適合物產領域的開發。

 中華物產知識智能活化與利用會意圖

王東波團隊使用了45萬條對話數據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數據處理和物產問答方面的效果。在應用端，中華物產大模型進一步與外部工具或知識庫結合，通過物產識別、物產鏈接和檢索增強問答功能為用戶提供精準、便捷的物產信息查詢服務，給學術研究、商業開發等領域提供有力支撐。

據包平介紹，中國擁有數量極其豐富的長時段連續記載的物產歷史文獻資源，開發一種能夠同時利用好古代和現代物產信息的大語言模型對于推動物產資源的活化利用具有重要意義。未來，依托南京農業大學中華物產與文明探源協同創新中心這個平臺，在加強對中華物產史的理論研究基礎上，還將在人工智能和物產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物產資源處理的工具，推動中華物產文化走向世界。

據悉，中華書局是國內古籍整理與出版的權威機構，南京農業大學于2023年與中華書局聯合成立了“中華物產與文明探源協同創新中心”，中心旨在從具有農耕文明鮮明特色的物產史研究入手，從遠古神話里描述的物產到現代科技下呈現的物產，從單純物產史研究到物產與自然、社會、經濟、文化的關聯，揭示中華物產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