中國教育報-中國教育新聞網訊（記者 阿妮爾 通訊員 杜建賓）日前，南京理工大學（以下簡稱“南理工”）沈思教授團隊開源發(fā)布人文社會科學領域學術大語言模型“蘭章”，這標志著南理工在“AI+人文社會科學”知識體系構建方面邁出重要一步。

據悉，“蘭章”憑借百億詞元的堅實數據基礎以及兩階段深度優(yōu)化訓練，較好地解決了當前通用AI工具在人文社科全文本挖掘、復雜概念和論證邏輯理解方面的“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術資源，還能夠幫助人文社會科學領域學者總體評價既有成果并敏銳發(fā)現新學術研究契機。

“蘭章”研發(fā)團隊歷時5年，構建了總規(guī)模116億詞元的人文社會科學學術語料庫，涵蓋CSSCI（中文社會科學引文索引）、CNKI人文社科期刊、人大復印報刊資料、教育部人文社科獲獎著作全文（1992—2025年）等中文學術資源以及SSCI（社會科學引文索引）、A&HCI（藝術與人文科學引文索引）期刊摘要及Project MUSE、Project Gutenberg（1992—2025年）等學術資源，保證學科均衡覆蓋及期刊與著作的深度集成。憑借百億級詞元的堅實數據基礎，“蘭章”較好解決了通用AI工具主要依靠論文標題、摘要等簡單信息挖掘語料，難以理解完整文本中復雜概念和論證邏輯的難點痛點問題。經過深度優(yōu)化訓練，其表現顯著優(yōu)于多款通用模型，有效解決跨語言環(huán)境下低頻專業(yè)術語的識別盲區(qū)問題和學術文本生成中的邏輯碎片問題，圖書自動分類準確率比通用模型高出30%。

“大模型不是代替學者思考，而是立足實際學術研究，把自主知識體系的構建延伸到模型化和計算化的層面，從工具層面為人文社會科學學術創(chuàng)新提供持續(xù)支持。”沈思介紹說。目前，“蘭章”已上線魔搭社區(qū)試運行，15697條訓練指令數據已全部開源共享。