荀子大语言模型
荀子Logo

传承文脉,智启未来

关于荀子系列模型

我们荣幸地推出"荀子"系列开源大语言模型,旨在为学术界与开发者提供前所未有的古籍文本处理能力。项目核心包含专为深度研究打造的基座模型 XunziALLM,以及为便捷交互而生的对话模型 XunziChat。通过与 Qwen、ChatGLM3、Baichuan2 等主流模型兼容的调用方式,我们极大地降低了古籍智能处理技术的应用门槛。

核心能力

引

古籍智能标引

精准识别文献主题,为研究者提供高效的内容导航。

取

关键信息抽取

自动萃取关键实体,将研究者从繁琐的信息整理中解放。

诗

古典诗歌生成

依主题或意境,创作合乎格律与韵味的诗词。

译

高质量古文翻译

提供精准流畅的翻译,助力读者跨越语言障碍。

读

篇章阅读理解

深度分析和解释篇章,实现对复杂文本的智能阅读。

析

精细词法分析

完成自动分词与词性标注,极大提升古汉语研究效率。

挑战与蓝图

直面现有瓶颈,我们为荀子大语言模型规划了更宏大的技术路径,旨在构建一个全面、智能的古籍研究生态。

当前挑战

  • 预训练语料质量低下,上下文粘连严重。
  • 监督微调任务类型有限,模型泛化能力不足。
  • 模型缺乏体系化的文史领域知识。
  • 现有模型布局的深度和广度不足。

未来计划

  • 扩展技术栈,融合前沿AI技术。
  • 布局多类型模型矩阵,满足多样化需求。
  • 构建高质量、大规模的古籍训练数据集。
  • 建立更科学、更全面的古籍大模型评测标准。

荀子架构

我们从模型、数据和框架三个层面出发,构建一个全面支持古籍数字化、智能化开发与深入研究的生态系统。

模型层

构建包含基座、对话、推理、奖励和语料库模型在内的完整模型矩阵。

数据层

利用大模型技术清洗与整理现有语料,实现公开数据资源的价值提升。

框架层

封装RAG、文献考证等标准化代码框架,赋能研究者快速实现设想。

核心技术

对话与推理,一体化实现。

我们创新性地采用四阶段训练流程,将长思维链推理能力与快速响应的对话能力无缝结合。通过在模板中动态控制think标记,模型可以自如切换思考模式,确保了在不同场景下的最优表现。

01长思维链冷启动 (Long-CoT Cold Start)
02推理强化学习 (Reasoning RL)
03思维模式融合 (Thinking Mode Fusion)
04通用强化学习 (General RL)

模型开放Model Releases

XunziALLM 3.0

发布筹备中Release in preparation

荀子系列新一代模型,完成预训练、指令微调、GRPO 和 Agentic RL 四阶段训练。模型版本与权重信息如下。

A new generation of the Xunzi model family, trained through pre-training, SFT, GRPO and Agentic RL.

版本 / Version
Agentic RL · iter_0000999
基座 / Base checkpoint
Qwen3.5-9B → merged_grpo_2400
训练链 / Training
Pre-training → SFT → GRPO → Agentic RL
参数量 / Parameters
约 / Approximately 9.41B
模型架构 / Architecture
Qwen3_5ForConditionalGeneration
权重 / Weights
bfloat16 · 4 shards · ≈18.8 GB
下载地址与许可证待公布。公开发布后,将在这里提供权重获取、使用说明和引用信息。Download links and license will be announced. Model access, usage instructions and citation information will be added here.

了解荀子 3.0 项目About the Xunzi 3.0 project

计划开放Planned release

唐诗生成模型Tang Poetry Generation

面向唐诗创作的专项模型。版本、使用说明及下载地址将在发布后补充。

Model version, usage details and downloads will be added upon release.

计划开放Planned release

宋词生成模型Song Ci Generation

面向宋词创作的专项模型。版本、使用说明及下载地址将在发布后补充。

Model version, usage details and downloads will be added upon release.

计划开放Planned release

骈文生成模型Parallel Prose Generation

面向骈文创作的专项模型。版本、使用说明及下载地址将在发布后补充。

Model version, usage details and downloads will be added upon release.

本板块将持续发布荀子系列及相关微调模型。以下为已有模型的获取入口。

This section will expand with more Xunzi models. Existing model access links are listed below.

模型名称 模型类型 兼容模型 下载链接
Xunzi-Qwen2-7B 基座模型 Qwen2-7B ModelScope
Xunzi-Qwen1.5-7B_chat 对话模型 Qwen1.5-7B_chat ModelScope
Xunzi-Qwen1.5-14B 基座模型 Qwen1.5-14B ModelScope
Xunzi-GLM-6B 基座模型 ChatGLM3-6B ModelScope
Xunzi-Qwen3-8B 推理模型 (推荐) Qwen3-8B ModelScope
Xunzi-Qwen3-8B-base 基座模型 Qwen3-8B ModelScope
Xunzi-Yayun-R1-32B 推理模型 Qwen2.5-32B Hugging Face
SIKU-BERT BERT模型 BERT Hugging Face
SIKU-RoBERTa BERT模型 RoBERTa Hugging Face
GujiBERT BERT模型 BERT Hugging Face
GujiRoBERTa BERT模型 RoBERTa Hugging Face
GujiGPT BERT模型 GPT Hugging Face

注:用户可根据自己的需求,使用本地的训练语料微调荀子基座模型,以取得更佳性能。

最新进展

新一代模型正在训练中,团队的研究成果也已整理上线。

新荀子 3.0

以 Qwen3.5-9B 为基座,经预训练、指令微调、强化学习、Agentic RL 四阶段训练,具备工具调用与多步任务执行能力。

了解详情

研究成果

史籍 GraphRAG、开放域知识图谱构建、多智能体实体链接三项研究,以及团队专著《数字人文下的古籍智能信息处理研究》。

查看成果

荀子系列 · 子模型

诗喻 (Shiyu)

探索古典诗词中的隐喻,理解文学的深层含义。

进入诗喻

雅韵 (Yayun)

体验古代雅韵之美,探索更多文化内容。

进入雅韵

语料数据资源

我们整理并开放了大规模、高质量的古籍语料知识库,为学术研究提供坚实的数据基础。

二十四史系列

包含“二十四史”与《四库全书》的平行语料、词性标注等多种数据资源。

查看详情与申请

古籍跨语言数据平台

提供古-英、古-现-英两种翻译模式,支持句子级和段落级对齐检索功能。

进入平台

学习资料

我们整理了丰富的教程与视频,助您快速上手数字人文与荀子模型的应用。

GitHub 教程

面向数字人文的编程入门教程,提供详细的代码示例与说明。

前往 GitHub

微信公众号

关注我们的公众号,获取项目最新动态、技术解析与应用案例。

微信公众号二维码
查看文章

Bilibili 视频

观看系列教学视频,直观地学习模型使用与数字人文研究方法。

观看视频

全民考古籍

提出一个研究问题,智能体自动规划子课题、分头检索馆藏 37,887 本古籍开卷取证, 证据引文层层收束,最终导出你的考证报告——像指挥一支研究小队一样做古籍考证。

🌱
根问题

输入你的研究问题,智能体规划研究树

🧭
子课题并行

每个子课题派一位考证智能体独立取证

📜
证据引文

开卷原文+出处可溯源,检索不到不编造

🔗
收束导出

勾选节点层层收束,一键导出研究报告

轻松集成与调用

通过标准的 OpenAI 兼容接口,您可以将荀子的能力无缝集成到您的应用中。

  • 接口完全兼容 OpenAI SDK,免鉴 Key(api_key 任意填);不传 system 提示时,模型默认自报荀子大模型。
  • enable_thinking:默认开启深度思考;设为 false 可获得秒级直答。
  • 上下文 65536 tokens,深度思考单次生成上限 16384 tokens。
from openai import OpenAI

client = OpenAI(
    api_key="anything",                                        # 免鉴Key, 任意填写
    base_url="https://xunziallm.njau.edu.cn/modelapi/v1",
)

resp = client.chat.completions.create(
    model="xunzi_qwen35_9b_sft",
    messages=[
        {"role": "user", "content": "请解释『天行有常,不为尧存,不为桀亡』的含义。"},
    ],
    extra_body={"chat_template_kwargs": {"enable_thinking": False}},  # 关闭思考, 秒级直答; 删掉此行则深度思考
)
print(resp.choices[0].message.content)
# curl 直连示例(流式)
curl -N https://xunziallm.njau.edu.cn/modelapi/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "xunzi_qwen35_9b_sft",
    "messages": [{"role": "user", "content": "你是谁?"}],
    "stream": true,
    "chat_template_kwargs": {"enable_thinking": false}
  }'