司农 - 南京农业大学开源的农业领域大模型

司农是什么

在农业智能化进程中，南京农业大学推出的“司农”大语言模型是一个标志性成果。它并非通用AI的简单移植，而是基于南农深厚的农科底蕴，为农业领域深度定制构建的专业模型。研发团队整合了海量专业语料，包括学术论文、行业书籍及政策文献，构建了超过4000亿token的高质量训练数据集。通过合成数据生成、指令微调与强化学习等关键技术，模型具备了卓越的农业知识理解与复杂推理能力。目前，司农已开源8B与32B参数版本，并集成多智能体检索功能，具备高度的实用性与可部署性。

（司农大模型架构示意图）

司农的主要功能

司农大模型聚焦农业垂直场景，其核心功能模块设计旨在解决行业内的具体痛点：

• 农业知识问答：覆盖作物栽培、畜牧兽医、农业经济等全领域，能够针对专业问题提供结构清晰、依据充分的解答。
• 多智能体检索增强：采用优化的检索框架，能够从海量学术文献与数据库中快速定位并提取关键信息，提升知识获取的准确率与效率。
• 思维链与上下文理解：支持思维链推理，能够解析问题背后的逻辑关系，结合上下文进行多步骤分析与归因，输出具有深度的解释性内容。
• 农业领域指令理解与执行：经过大规模农业指令微调，可精准解析如“生成水稻纹枯病综合防治方案”等复杂指令，并输出具备可操作性的技术指导。
• 数据驱动的决策支持：能够整合分析生产数据、市场信息与政策文本，为生产规划、风险评估及投资决策提供量化参考与洞察。

司农的项目地址

司农项目秉承开源精神，所有模型与工具均已开放，便于开发者与研究团队进行二次开发与应用部署。

• GitHub仓库：项目完整的源代码、模型权重及技术文档可通过 https://github.com/njauzzx/Sinong 获取。

司农的核心优势

司农在农业AI赛道确立领先地位，源于其构建于专业壁垒之上的五大技术优势：

• 领域专注性：模型架构与训练全程围绕农业需求设计，在作物学、动物科学等细分学科的任务上表现显著优于通用模型，输出结果的专业性与可靠性更高。
• 大规模高质量数据：依托南京农业大学的学术资源，构建了规模超4000亿token、经过严格筛选与标注的领域数据集，为模型的专业性奠定了坚实的数据基础。
• 多模态融合技术：集成视觉与语言模型，具备处理图像、文本等多源信息的能力。例如，可结合病害叶片图片进行诊断分析，实现了感知与决策的联动。
• 指令微调与强化学习：采用合成数据构建与人类反馈强化学习技术，对模型进行针对性对齐训练，使其能更好地理解农业从业者的意图，并生成符合行业规范的输出。
• 多智能体检索增强：内置的检索增强框架通过多智能体协同，显著提升了从非结构化文献中抽取、验证并整合知识的能力，相当于为模型配备了实时更新的专业智库。

司农的应用场景

司农的技术能力已渗透至农业全产业链，为多个关键环节提供智能化解决方案：

• 农业生产与种植：为种植户提供基于环境数据的定制化农事日历、病虫害精准识别与防治策略，推动精准农业落地。
• 畜牧养殖：辅助进行饲喂配方优化、群体健康状态评估与疫病预警，实现养殖过程的精细化管理和效益提升。
• 农业经济与市场分析：分析农产品价格波动、供应链动态及政策影响，为经营主体提供市场趋势研判与风险预警。
• 农业科研与教育：加速科研文献综述与实验方案设计；生成互动式教学案例与虚拟实训场景，赋能农业科研与人才培养。
• 智慧农业与数字化转型：作为数据中台的核心分析引擎，连接物联网设备，实现农田环境智能调控、产量预测及全产业链溯源，驱动农业数字化转型。

来源：互联网