百度 卫星广播系统、气象信息综合分析处理系统和卫星天气应用系统等中国气象服务品牌系统，在菲律宾、塔吉克斯坦、哈萨克斯坦等周边19个国家落户和应用，赢得国际广泛赞誉。

　　“秦淮佳丽地，城阙望中迷。柳暗青丝发，花香碧玉衣。歌楼留夜色，画阁敛春晖。细雨轻舟去，双鱼梦泽飞。”这是近日上线的“荀子”古籍大语言模型（以下简称“荀子”）以“金陵”为题，生成的一首古诗。

　　记者了解到，“荀子”是国内首个专门应用于古籍处理与研究的开源智能工具，由南京农业大学王东波教授研究团队联合古联（北京）数字传媒科技有限公司发布。它依托国家社科基金重大项目“中国古代典籍跨语言知识库构建及应用研究”，基于40亿字的大型混合语料数据生成。

　　“数据是大模型的基础。”王东波介绍，在“荀子”的研发过程中，研究团队在人工智能通用模型的基础上，灌注了繁简体《四库全书》等20亿字的古代汉语语料和文化领域的20亿字的现代汉语语料，使“荀子”具有古籍智能标引、古籍信息抽取、诗歌生成、古籍高质量翻译、阅读理解等功能。

　　“对于汉语言研究者来说，他们还可以利用‘荀子’完成古籍词法分析、实体识别、关系抽取、文本分类与匹配、文本摘要等工作。”王东波举例，如果要研究《史记·陈涉世家》的人物关系，就可以用“荀子”识别这篇文章中的人物名称和关系名词，再用知识图谱的方式呈现人物关系图谱，从而提高检索、查询、研究的效率。

　　王东波介绍，此次发布的“荀子”大模型中的基座模型，还可以让用户根据自己的需求对“荀子”进行微调，帮助用户开展更有针对性的研究。

　　“荀子”是怎么做到化繁为简、通读古今的？“核心是‘算力充足’并且‘饱读诗书’。”王东波介绍，“荀子”的顺利问世离不开南京农业大学提供的高性能算力基础设施支持，以及研究团队长期积累的精加工语料库。

　　“模型的构建受算力、场景应用等多方影响，但精准度较高的优质数据是最为关键的。”王东波表示，研究团队自2013年起，一直专注于人工精标注数据的工作。

　　“比如要训练大模型自动标注《岳阳楼记》中的形容词，首先需要人工标注这篇文章中的形容词。在积累了大量的人工标注后，再让机器进行学习。”王东波说，这项“坐冷板凳”的基础标注工作，他们一做就是10年。

　　“我们期待能将古籍的智能化研究与跨学科的人才培养相结合，让学生既有前瞻的科研视野，又能积累较为深厚的人文底蕴。”王东波表示，研究团队希望能让更多人接触古籍、品读古籍、传播古籍，让“故纸堆”重新焕发活力，推动中华优秀传统文化创造性转化、创新性发展，赓续中华文脉。

　　王东波介绍，“荀子”除了能让人们更顺畅地阅读古籍内容，推动古籍整理、古籍数字化、古籍活化利用与传播之外，未来还可应用于人工智能写作、人工智能教学、数字文娱等领域。（科技日报记者 金凤）