“曹植”大语言模型是如何诞生的？来看达观数据CTO的讲述

AI应用信息1年前 (2024)发布 XIAOT

深耕NLP领域

达观数据成立于2015年，成长于上海浦东软件园，其创始团队都是与中国文字打过十几年交道的程序老兵，并深耕于NLP（自然语言处理）领域。今年3月，随着垂直、专用、自主可控的国产版ChatGPT“曹植”大模型的发布，达观数据正不断推动着NLP技术向不同行业领域深度结合。

NLP被誉为AI皇冠上的明珠。从互联网拓宽至更广泛行业，达观数据在金融、政务、制造等行业积累了垂直领域的大量数据、人才与NLP传统架构。在与来自金融、政务、制造等行业的客户进行了广泛的交流后，达观数据联合创始人、CTO纪达麒逐渐发现，NLP技术在办公文档方面有着广阔的应用前景。

2017年，谷歌发表的论文中提出，NLP关于“理解”和“生成”的两个技术路线。“基于达观数据当时的优势资源和未来发展，我们一开始就选择了‘理解’这条技术路线。”纪达麒介绍。这一年，纪达麒和研发团队运用知识图谱、文字识别等技术开发的IDP智能文档审阅系统进入市场。

随着人工智能的不断发展，机器智能处理长文本的需求日益紧迫。随后，达观数据便投入到大语言模型的开发工作中，纪达麒担任该项目总负责人。这就是如今的“曹植”大模型诞生的起点。

“培养”出人工智能版“曹植”

“我们想‘培养’出人工智能版的‘曹植’，希望它能像我国的历史名人曹植一样快速地生成长文本。”提及“曹植”大模型这一名称的由来，纪达麒笑言，“这是我们员工在四五十个名字中票选出来的。”

“长文本”是“曹植”大模型的目标任务。区别于一问一答的简单短文本生成，“曹植”大模型可准确完成多类型、复杂结构的长文本写作，自动起草多种类型的文档，同时具有自动排版、智能纠错、文本润色、自动生成摘要等特色功能；还可实现多模态内容生成，比如长文档中的表格、图表、图片等；支持中文、英文、法语、德语、日语、韩语等数十种语言的写作，辅助人工大幅提高办公效率；在长文档翻译方面，对原文的标题、段落等内容实现1:1版式还原，提供实时的翻译体验，广泛应用于多语言文档密集处理的场景。

这也是国内大规模语言模型中首批可落地的产业应用级模型，目前已在金融领域AIGC多场景投入应用。基于“曹植”系统，“曹植”大模型进一步夯实了达观数据产业应用智能化基座，全面增强AI全产品矩阵能力。