中文 ｜ English

依托南京农业大学学科特色，面向动物科学、动物医学、农业经济管理、农业资源与环境、园艺学、智慧农业、植物保护、作物育种等细分学科收集了大规模领域数据，总量超40亿token。

结合视觉模型与大语言模型，这些多源异构的数据被整理、筛选、整合，形成了大规模、高质量的农业基础数据集。

为提升模型的农业语言能力与领域知识，我们在基础数据集上开展了合成数据构建、指令微调与强化学习，除传统指令数据外，思维链、上下文参考形式的指令数据也被应用于模型训练中，旨在提升模型对农业领域知识的理解、学习和使用能力。

当前，检索增强（RAG）已经成为大语言模型的领域应用不可或缺的一环，然而，当前针对领域专业文献（数据论文）的检索增强仍存在局限性。我们推出了一套多智能体检索增强框架，针对知识库构建、数据来源、检索效率等方面进行了优化。

司农大语言模型1.0版本已经在魔搭社区开源，目前我们开源了8B和32B两种参数规模的模型，任何人均可直接下载和部署该模型。

如果您需要使用本研究的基础或过程数据，可以通过邮箱(llm4cca@njau.edu.cn)与我们取得联系，我们期待与您一起探索大语言模型下的智慧农业路径。

司农大模型由南京农业大学、南京理工大学两所高校的跨学校团队共同研发

司农大语言模型基于大规模农业领域数据进行训练，我们已通过多种技术手段对数据进行了清洗与筛选。然而，受大语言模型自身架构特点所限，生成内容中仍可能出现不准确或失实的“幻觉”现象。因此，在使用本模型过程中，请您务必对生成内容进行审慎甄别，避免因盲目采纳AI生成信息而导致任何形式的损失。

使用司农大语言模型时，您应严格遵守中华人民共和国相关法律法规。在任何情况下，我们均不对因使用本模型或其输出内容所引发的任何损害（无论其成因或形式）承担责任，包括但不限于直接、间接、特殊或附带损害。