南京理工大學(xué)發(fā)布國內(nèi)首個(gè)人文社會(huì)科學(xué)學(xué)術(shù)大語言模型

現(xiàn)代快報(bào)訊（通訊員 杜建賓 記者 于露）日前，南京理工大學(xué)沈思教授團(tuán)隊(duì)開源發(fā)布國內(nèi)首個(gè)人文社會(huì)科學(xué)領(lǐng)域?qū)W術(shù)大語言模型——“蘭章”，標(biāo)志著該校在“AI+人文社會(huì)科學(xué)”知識(shí)體系構(gòu)建方面邁出重要一步?！疤m章”憑借百億詞元的堅(jiān)實(shí)數(shù)據(jù)基礎(chǔ)以及兩階段深度優(yōu)化訓(xùn)練，較好地解決了當(dāng)前通用AI工具在人文社科全文本挖掘、復(fù)雜概念和論證邏輯理解方面“盲域”和“幻覺”問題，不僅可以輔助用戶系統(tǒng)地獲取和梳理海量學(xué)術(shù)資源，還能夠幫助人文社會(huì)科學(xué)領(lǐng)域?qū)W者總體評(píng)價(jià)既有成果并敏銳發(fā)現(xiàn)新學(xué)術(shù)研究契機(jī)。

“蘭章”研發(fā)團(tuán)隊(duì)歷時(shí)五年，構(gòu)建了總規(guī)模116億詞元的人文社會(huì)科學(xué)學(xué)術(shù)語料庫，涵蓋CSSCI、CNKI人文社科期刊、人大復(fù)印報(bào)刊資料、教育部人文社科獲獎(jiǎng)著作全文（1992~2025年）等中文學(xué)術(shù)資源以及SSCI、A&HCI期刊摘要及Project MUSE、Project Gutenberg（1992~2025年）等學(xué)術(shù)資源，保證了學(xué)科的均衡覆蓋以及期刊與著作的深度集成。“蘭章”憑借百億級(jí)詞元的堅(jiān)實(shí)數(shù)據(jù)基礎(chǔ)，較好解決了通用AI工具主要依靠論文標(biāo)題、摘要等簡(jiǎn)單信息挖掘語料，難以理解完整文本中復(fù)雜概念和論證邏輯的難點(diǎn)痛點(diǎn)問題。

“蘭章”研發(fā)團(tuán)隊(duì)選取人文社會(huì)科學(xué)全文本評(píng)測(cè)中表現(xiàn)較好的Qwen3-8B與Qwen3-32B基礎(chǔ)模型進(jìn)行兩階段的深度優(yōu)化訓(xùn)練：在第一階段，運(yùn)用116億詞元的學(xué)術(shù)資料系統(tǒng)融入人文社科學(xué)科知識(shí)和學(xué)術(shù)表達(dá)方式，提升基礎(chǔ)模型的全文本理解能力；在第二階段，團(tuán)隊(duì)圍繞核心學(xué)術(shù)任務(wù)設(shè)計(jì)15697條訓(xùn)練指令，在多學(xué)科專家驗(yàn)證基礎(chǔ)上反復(fù)精細(xì)調(diào)優(yōu)，形成并持續(xù)提升模型的專業(yè)推理能力。經(jīng)過深度優(yōu)化訓(xùn)練，“蘭章”表現(xiàn)顯著優(yōu)于多款通用模型，有效解決了跨語言環(huán)境下低頻專業(yè)術(shù)語的識(shí)別盲區(qū)問題和學(xué)術(shù)文本生成中的邏輯碎片問題，圖書自動(dòng)分類準(zhǔn)確率比通用模型高出30%。

團(tuán)隊(duì)負(fù)責(zé)人沈思教授介紹，“大模型不是代替學(xué)者思考，而是立足實(shí)際學(xué)術(shù)研究，把自主知識(shí)體系的構(gòu)建延伸到模型化和計(jì)算化的層面，從工具層面為人文社會(huì)科學(xué)學(xué)術(shù)創(chuàng)新提供持續(xù)支持。”目前，“蘭章”已上線魔搭社區(qū)試運(yùn)行，15697條訓(xùn)練指令數(shù)據(jù)已全部開源共享。

據(jù)了解，近年來，學(xué)校高度重視哲學(xué)社會(huì)科學(xué)工作，積極推進(jìn)一般社會(huì)科學(xué)與學(xué)校優(yōu)勢(shì)學(xué)科群的交叉融合，以數(shù)智技術(shù)賦能哲學(xué)社會(huì)科學(xué)研究。“蘭章”的發(fā)布，是學(xué)校積極推進(jìn)精品化特色化哲學(xué)社會(huì)科學(xué)研究，加快構(gòu)建中國哲學(xué)社會(huì)科學(xué)自主知識(shí)體系進(jìn)程中的又一最新成果。