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
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。
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。
古典诗歌生成
依主题或意境，创作合乎格律与韵味的诗词。
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。
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。
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`
开源模型矩阵
| 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。
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。
from openai import OpenAI
# 配置 API 客户端
openai_api_key = "anything" # API Key 可任意填写
openai_api_base = "http://xunziallm.njau.edu.cn/modelapi/v1"
client = OpenAI(
api_key=openai_api_key,
base_url=openai_api_base,
)
# 发起对话请求
chat_response = client.chat.completions.create(
model="Qwen3-8B",
messages=[
{"role": "system", "content": "你是一个精通中国古籍的智能助手。"},
{"role": "user", "content": "请解释“天行有常，不为尧存，不为桀亡。”这句话的含义。"},
],
extra_body={
"chat_template_kwargs": {
"enable_thinking": False # 禁用思考过程，直接输出结果，如果需要思考过程可设置为True
}
}
)
print(chat_response.choices[0].message.content)