9月19日，中國(guó)科學(xué)院地理科學(xué)與資源研究所正式發(fā)布該單位聯(lián)合中國(guó)科學(xué)院青藏高原研究所、自動(dòng)化研究所等單位研發(fā)的多模態(tài)地理科學(xué)大模型“坤元”（Sigma Geography）。
大模型是指通過海量數(shù)據(jù)訓(xùn)練的深度學(xué)習(xí)模型，具備強(qiáng)大的語言理解、信息生成和處理能力。“坤元”是專注于地理科學(xué)的專業(yè)語言大模型，具備處理地理科學(xué)相關(guān)問題的專業(yè)能力。研發(fā)團(tuán)隊(duì)完成了地理學(xué)全譜系高質(zhì)量語料庫構(gòu)建、地理科學(xué)語言大模型構(gòu)建、地理科學(xué)研究智導(dǎo)平臺(tái)研發(fā)等工作，讓“坤元”具備“懂地理”“精配圖”“知人心”“智生圖”等特點(diǎn)，實(shí)現(xiàn)了地理專業(yè)問題解答、地理學(xué)文獻(xiàn)智能分析、地理數(shù)據(jù)資源查詢、地理數(shù)據(jù)挖掘分析、專題地圖繪制等功能。
在“懂地理”方面，該團(tuán)隊(duì)建立了涵蓋4大類、16小類的地理全學(xué)科語料庫，提供了320億詞元供大模型自監(jiān)督學(xué)習(xí)，制作了4萬余條高質(zhì)量地理學(xué)指令進(jìn)行模型微調(diào)。與通用語言大模型相比，“坤元”更熟悉地理學(xué)的語言模式、專業(yè)術(shù)語和領(lǐng)域知識(shí)，并在地理學(xué)基準(zhǔn)測(cè)試集上的準(zhǔn)確性提升了31.3%。
在“精配圖”方面，該團(tuán)隊(duì)自主研發(fā)了面向多層次地圖信息的多模態(tài)檢索技術(shù)以及支持地理認(rèn)知與圖形表達(dá)的知識(shí)推理技術(shù)。這些技術(shù)使得“坤元”能夠在解答地理學(xué)提問的同時(shí)，可以根據(jù)生成的文字答案檢索不同地理要素，并匹配地理景觀照片、專題地圖或示意圖表呈現(xiàn)給提問者。
在“知人心”方面，該團(tuán)隊(duì)創(chuàng)新性地提出了基于“認(rèn)知啟航-應(yīng)用智導(dǎo)-前沿研析”框架的用戶畫像精準(zhǔn)判別與響應(yīng)技術(shù)，保證“坤元”能夠充分考慮地理知識(shí)愛好者、地理學(xué)專業(yè)學(xué)生和科研人員的地理科學(xué)知識(shí)體系認(rèn)知和表達(dá)差異，以圖文共現(xiàn)的方式給出適配用戶知識(shí)結(jié)構(gòu)的地理學(xué)專業(yè)問題解答。
在“智生圖”方面，該團(tuán)隊(duì)基于“坤元”開發(fā)的科研助手，可以根據(jù)用戶指令完成概念理解、數(shù)據(jù)獲取、信息分析、制圖綜合等流程，生成用戶需要的專業(yè)地理圖表。
“坤元”旨在拓寬普通大眾的地理視野，解放地理從業(yè)者的雙手，推動(dòng)地理智能發(fā)展，賦能地理科學(xué)研究，加速重要地理科學(xué)發(fā)現(xiàn)。目前，“坤元”已支撐發(fā)表Nature子刊、The innovation、Earth’s Future等高水平學(xué)術(shù)論文10余篇。未來，研發(fā)團(tuán)隊(duì)將推進(jìn)地圖大模型與地理推理機(jī)研發(fā)，以期讓地理科學(xué)語言大模型讀懂地圖；將打造地理科研協(xié)作大平臺(tái)，以期讓每個(gè)科學(xué)家和科研團(tuán)隊(duì)都可以擁有專屬的地理大模型，并能夠與數(shù)百萬科學(xué)家通過共享數(shù)據(jù)、模型、研究思路等方式協(xié)同工作。
多模態(tài)地理科學(xué)大模型“坤元”
