·種業(yè)大語言模型“豐登”已具有品種選育、農(nóng)藝性狀、栽培技術(shù)和推廣區(qū)域四大核心領(lǐng)域的解釋和回答能力。可通過自主學習，發(fā)掘生物、遺傳、氣象及土壤間的復(fù)雜關(guān)聯(lián)，形成新的知識結(jié)構(gòu)。

通過“豐登”選擇適合在廣東省種植的水稻品種。

科學高效的生物育種對于糧食安全及經(jīng)濟效益意義重大，為填補中國在AI育種領(lǐng)域的技術(shù)空白，4月28日，上海人工智能實驗室聯(lián)合崖州灣國家實驗室和中國農(nóng)業(yè)大學發(fā)布首個種業(yè)大語言模型“豐登”（SeedLLM），希望借此降低育種學習門檻，提升從業(yè)者的研究和實踐效率。

由于作物及畜類品種的多樣性，長期以來，育種信息缺乏統(tǒng)一平臺，數(shù)據(jù)知識“孤島式”分布，為育種知識普及學習帶來壁壘。同時，由于生物育種涉及生物學、遺傳學、氣象學、土壤學等多學科交叉，專業(yè)人員在從事育種工作時不得不跨越眾多領(lǐng)域的文獻、數(shù)據(jù)，甚至需要編寫代碼進行數(shù)據(jù)訪問，工作效率受到極大限制。

為此，上海人工智能實驗室聯(lián)合團隊提出大模型賦能生物育種的思路，在上海人工智能實驗室研發(fā)的大語言模型“書生·浦語2.0”（InternLM2）的基礎(chǔ)上，科研人員注入科技文獻、產(chǎn)業(yè)實踐報告等海量專業(yè)數(shù)據(jù)，訓練出具備理解和分析能力的種業(yè)大模型，把“豐登”訓練成初具“AI研究員”潛力的大模型，它可通過自主學習，發(fā)掘生物、遺傳、氣象及土壤間的復(fù)雜關(guān)聯(lián)，形成新的知識結(jié)構(gòu)。目前，“豐登”已具有品種選育、農(nóng)藝性狀、栽培技術(shù)和推廣區(qū)域四大核心領(lǐng)域的解釋和回答能力。

上海人工智能實驗室介紹，相較于國內(nèi)外主流大語言模型，“豐登”專注于生物育種。當前，育種領(lǐng)域涉及的知識資源包括學術(shù)文獻、田間日志及政府公示等，這些知識資源呈現(xiàn)分散狀態(tài)?？蒲腥藛T深度挖掘相關(guān)知識，將文本信息中提煉出的知識通過大模型技術(shù)手段匯聚到模型權(quán)重中，再將分散在不同文獻中的同一知識點整合歸納，最終使育種專業(yè)知識以結(jié)構(gòu)化方式呈現(xiàn)?；凇皶て终Z2.0”的基座模型能力，科研人員不僅對“豐登”進行了作物學、農(nóng)學和遺傳學等育種專業(yè)學科的知識訓練，還整合了生物學、遺傳學、氣象學、土壤學等多學科知識，提示詞的合理運用讓“豐登”對相關(guān)領(lǐng)域間的知識“融會貫通”。

此外，“豐登”使用自然語言對話接口，降低使用門檻，用戶可直接提出問題并迅速獲得易于理解的信息。相較于傳統(tǒng)的文獻數(shù)據(jù)庫查詢和網(wǎng)絡(luò)搜索，多輪對話方式確保了信息的實時性和高效獲取。“豐登”未來還可實現(xiàn)語音輸入，進一步降低使用門檻，并在大語言模型基礎(chǔ)上引入圖像分析、多組學分析和決策育種能力，針對育種工作場景進一步提升使用效率。

為了全面評估大模型在科學育種工作中的性能效用，上海AI實驗室聯(lián)合崖州灣國家實驗室和中國農(nóng)業(yè)大學共同組織了國際首個種業(yè)領(lǐng)域的標準化人工評估評測。組織育種專家制定了大量水稻育種專業(yè)問題及對應(yīng)標準答案，涵蓋品種選育過程、農(nóng)藝性狀描述、栽培技術(shù)推薦和歷史推廣區(qū)域查詢四大任務(wù)，并以此構(gòu)建首個種業(yè)大語言模型評測基準，為AI興農(nóng)研究提供客觀能力參考。通過國內(nèi)各級農(nóng)業(yè)部門認定的水稻品種已超2萬個，“豐登”已率先開放水稻領(lǐng)域知識測試接口。

據(jù)上海人工智能實驗室消息，目前，隆平高科、正大集團、中國科學院、中國農(nóng)業(yè)科學院、上海市農(nóng)業(yè)科學院、廣東省農(nóng)業(yè)科學院、華中農(nóng)業(yè)大學、華南農(nóng)業(yè)大學、復(fù)旦大學等機構(gòu)已加入“豐登”測試，大模型助力科學育種正在真實應(yīng)用場景下得到驗證并優(yōu)化。