地震科普大模型

地震科普大模型调用API

简介：

地震科普是指对地震现象进行科学普及和教育，以增加公众对地震相关知识的了解和认识的活动。地震科普的目的是向公众传播地震的基本概念、地震的原因、地震的影响以及如何应对地震等信息，以提高公众对地震的认知水平，并促使他们采取相应的安全措施。

大语言模型（英文：Large Language Model，缩写LLM），也称大型语言模型，是一种人工智能模型，旨在理解和生成人类语言。它们在大量的文本数据上进行训练，可以执行广泛的任务。LLM的特点是规模庞大，通过模型中包含的数十亿参数，来帮助它们学习语言数据中的复杂模式。

地震科普大模型是一款专注于地震科学教育的互动式应用程序。旨在提升公众在地震科学认识和紧急应对能力方面的水平。希望通过自然语言处理、大模型等技术解答地震相关问题。此外，还可以根据需求来定制大模型，以此来获得用户专属的地震科普大模型。

为了提高大模型在地震领域的专业能力，团队对通义千问14B语言大模型进行了微调，并开发了地震科普大模型调用API，方便科研开发人员调用地震科普领域的专业大模型。

产品亮点：

高效的教育服务：与传统的地震教育方式相比，基于大模型的地震科普产品能够节省大量的人力和物力成本。同时，通过问答、互动等方式，帮助用户更深入地了解地震的危害和应对方法，从而提高防震减灾能力。

个性化推送内容：基于用户的需求，产品可以定制个性化的地震科普内容，提供针对性的学习和防灾建议，提高用户参与度和学习效果。

丰富的多媒体展示：产品可以通过微信、数字人等多种媒体形式，实现生动形象地展示地震的发生过程、地震波的传播特性等相关的地震科普知识。这种多样化的展示方式有助于吸引用户的注意力，提高科普教育的趣味性和吸引力。

产品说明：

基座大模型

基座大模型选用的是通义千问 Qwen-14B-Chat，选用其的原因有：

（1）阿里云研发的通义千问大模型系列的140亿参数规模的模型。

（2）使用了对齐机制, 基于Transformer的大语言模型。

（3）14B规模模型上, 数据集评测准确率在同类相近规模模型中处于前列。

（4）支持通过 ReAct Prompting 调用插件/工具/API.

数据准备

self_cognition-自我认知数据集（自我定位）；

alpaca_earthquake_zh-地震知识数据集（专业学习）；

comparison_earthquake_QAdata_zh-奖励模型数据集（优化）；

RAG（外挂知识库）

将检索（或搜索）的能力集成到LLM文本生成中。它结合了一个检索系统和一个LLM，前者从大型语料库中获取相关文档片段，后者使用这些片段中的信息生成答案。本质上，RAG 帮助模型“查找”外部信息以改进其响应。

产品参数

交付方式：API