通古大模型

通古大模型 – 华南理工大学推出的古籍大语言模型

通古大模型是一款由华南理工大学深度学习与视觉计算实验室（SCUT-DLVCLab）研发的人工智能语言模型，专注于古籍和文言文的处理。该模型基于百川2-7B-Base框架，通过增量预训练的方法，利用24.1亿古籍语料进行无监督学习，并结合400万古籍对话数据进行指令微调。通古大模型借助冗余度感知微调技术（RAT），显著提升了在古籍任务中的表现，旨在为用户提供更加便捷的古籍理解和翻译体验。同时，通过检索增强生成（CCU-RAG）技术，有效减少了知识密集型任务中的信息错误，提高了生成内容的准确性和可靠性。

通古大模型是什么

通古大模型是华南理工大学深度学习与视觉计算实验室（SCUT-DLVCLab）推出的一款专注于古籍文言文处理的人工智能语言模型。该模型以百川2-7B-Base为基础，通过增量预训练，利用24.1亿古籍语料进行无监督学习，并结合400万古籍对话数据进行指令微调。采用冗余度感知微调（RAT）技术，有效提升了古籍处理任务的性能，为用户理解和翻译古籍文献提供了便利。通过检索增强生成（CCU-RAG）技术，有效减少知识密集型任务中的幻觉现象，提高生成内容的准确性与可靠性。

主要功能

• 古文句读：该模型能够自动为古文添加标点，解决古籍文献中的断句困扰，帮助用户更好地理解古文。
• 文白翻译：通古大模型支持文言文与现代白话文之间的双向翻译，能够将复杂的古文转化为现代语言，同时也能将现代文转为文言文，便于用户进行古籍阅读及研究。
• 诗词创作：模型可以根据用户提供的主题或关键词，生成符合古诗词的格律与风格的作品，满足用户的创作需求。
• 古籍赏析：通古大模型能够对古籍中的经典篇章进行深度解读，分析其文学价值、历史背景及文化内涵，帮助用户深入学习古籍。
• 古籍检索与问答：借助检索增强技术，模型能够快速检索古籍内容，并根据用户提问给出准确的答案，帮助用户高效获取信息。
• 辅助古籍整理：该模型能够识别古籍中的文字错误和缺漏，提供修复建议，支持古籍的整理和数字化工作。

产品官网

• Github仓库：https://github.com/SCUT-DLVCLab/TongGu-LLM
• HuggingFace模型库：https://huggingface.co/SCUT-DLVCLab/TongGu-7B-Instruct

应用场景

• 古籍处理与数字化：通古大模型能够高效处理古籍文献，支持文白翻译、句读标点和古籍检索等功能，助力古籍整理工作，提升数字化效率。
• 教育支持：教师可以利用该模型生成教案、制作教学PPT，并设计课堂互动环节；而学生则可以通过模型获取文言文翻译、成语解释和诗词创作等功能，增强对古文的理解。
• 文化传承与普及：通古大模型降低了古籍阅读的难度，使更多人能够接触和理解中华传统文化。
• 学术研究：为古籍研究提供强大的技术支持，帮助学者快速检索和分析古籍内容。

常见问题

• 通古大模型适合哪些人群使用？ 该模型适合古籍研究者、学生、教师以及对中华传统文化感兴趣的广大用户。
• 如何获取通古大模型？ 用户可以通过访问其GitHub和HuggingFace页面获取相关资源和使用说明。
• 通古大模型是否支持多种语言？ 目前，模型主要支持文言文与现代白话文之间的双向翻译。
• 使用通古大模型需要什么技术基础？ 使用者无需专业的技术背景，但了解基础的古文知识将有助于更好地利用模型的功能。