12月11日，记者从南京农业大学获悉，该校信息管理学院王东波教授研究团队研发的“荀子”古籍大语言模型发布，这是国内首个专门应用于古籍处理与研究的智能工具，包含了《四库全书》在内的古籍文献超20亿字大型语料库，能够实现自然语言理解、自动翻译、诗歌生成、自动标引等多项功能，作为开源的、公益的研究成果，该模型已在GitHub、ModelScope等网站开源。

通讯员 楠秾宣 扬子晚报/紫牛新闻记者 王赟

为何取名“荀子”？据王东波介绍，荀子，不仅是我国先秦时期伟大的朴素唯物主义的思想家,也是一位散文大家。在对他作品的深入研讨中团队发现,他在语言学理论的阐述上也是一位开拓者，命名荀子是为了纪念这位中国历史上的语言学先驱。对于普通受众而言，想要走近繁体、竖版、未添加句读的古文不是一件容易的事，而“荀子”的上线意味着在智媒时代，和古籍对话成为可能。

“咱们请它以金陵为主题，生成一首五言古诗。”王东波现场演示了“荀子”的智能写诗功能，指令一输入，系统便生成了一首堪称绝妙的原创古诗：“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。”

除此之外，古文的阅读理解、标点添加，以及将古汉语翻译为现代汉语，这些让受众难啃的“硬骨头”，“荀子”可以轻松拿下。

对于领域专家而言，可以借助“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、文本摘要等专业古籍研究处理场景。同时发布的基座模型，还可以让用户根据自己的需求，使用本地的训练语料微调“荀子”基座模型，使其在古籍下游处理任务上取得更优越的处理性能。

尽管目前有200多个通用模型在各领域得到应用，但古籍领域仍缺乏专业的大语言模型。功能强大的“荀子”到底是怎么做到化繁为简、通读古今的呢？“首先是‘算力充足’并且‘饱读经书’！”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，以及团队长期积累的大量标注、精加工语料库，团队给“荀子”投喂了40亿字大型混合语料数据。

“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。”据王东波介绍，团队从2008年开始接触古籍，2013年至今一直专注于人工精标注数据的工作。“比如《岳阳楼记》，要训练机器标注该典籍中的形容词，就要首先训练相关人员标注形容词，在大量人工标注的基础上，再让机器学习。”