1火成岩的分类命名基础在很多中文文献中,经常看到不少作者利用(Na_(2)O+K_(2)O)-SiO_(2)图(TAS图解)对深成岩进行分类命名(图1(a)和(b))[1-2],然而这种分类方法遭到不少学者的反对,认为深成岩的分类应该以矿物为依据。争论的焦点就在...1火成岩的分类命名基础在很多中文文献中,经常看到不少作者利用(Na_(2)O+K_(2)O)-SiO_(2)图(TAS图解)对深成岩进行分类命名(图1(a)和(b))[1-2],然而这种分类方法遭到不少学者的反对,认为深成岩的分类应该以矿物为依据。争论的焦点就在于是依据矿物组成还是化学成分。要搞清这个问题,本文还是以国际地科联(IUGS)火成岩分类委员会推荐的方案为依据。1968年,在时任IUGS主席BarthT.F.W.建议下,火成岩分类委员会(Subcommission on the Systematics of Igneous Rocks)于布拉格国际地质大会之后成立,其隶属于IUGS岩石学委员会,负责考虑火成岩分类和命名的各种问题,并向IUGS提出确切的建议。展开更多
大语言模型(LLMs,Large Language Models)具有极强的自然语言理解和复杂问题求解能力,本文基于大语言模型构建了矿物问答系统,以高效地获取矿物知识。该系统首先从互联网资源获取矿物数据,清洗后将矿物数据结构化为矿物文档和问答对;将...大语言模型(LLMs,Large Language Models)具有极强的自然语言理解和复杂问题求解能力,本文基于大语言模型构建了矿物问答系统,以高效地获取矿物知识。该系统首先从互联网资源获取矿物数据,清洗后将矿物数据结构化为矿物文档和问答对;将矿物文档经过格式转换和建立索引后转化为矿物知识库,用于检索增强大语言模型生成,问答对用于微调大语言模型。使用矿物知识库检索增强大语言模型生成时,采用先召回再精排的两级检索模式,以获得更好的大语言模型生成结果。矿物大语言模型微调采用了主流的低秩适配(Low-Rank Adaption,LoRA)方法,以较少的训练参数获得了与全参微调性能相当的效果,节省了计算资源。实验结果表明,基于检索增强生成的大语言模型的矿物问答系统能以较高的准确率快捷地获取矿物知识。展开更多
文摘1火成岩的分类命名基础在很多中文文献中,经常看到不少作者利用(Na_(2)O+K_(2)O)-SiO_(2)图(TAS图解)对深成岩进行分类命名(图1(a)和(b))[1-2],然而这种分类方法遭到不少学者的反对,认为深成岩的分类应该以矿物为依据。争论的焦点就在于是依据矿物组成还是化学成分。要搞清这个问题,本文还是以国际地科联(IUGS)火成岩分类委员会推荐的方案为依据。1968年,在时任IUGS主席BarthT.F.W.建议下,火成岩分类委员会(Subcommission on the Systematics of Igneous Rocks)于布拉格国际地质大会之后成立,其隶属于IUGS岩石学委员会,负责考虑火成岩分类和命名的各种问题,并向IUGS提出确切的建议。
文摘大语言模型(LLMs,Large Language Models)具有极强的自然语言理解和复杂问题求解能力,本文基于大语言模型构建了矿物问答系统,以高效地获取矿物知识。该系统首先从互联网资源获取矿物数据,清洗后将矿物数据结构化为矿物文档和问答对;将矿物文档经过格式转换和建立索引后转化为矿物知识库,用于检索增强大语言模型生成,问答对用于微调大语言模型。使用矿物知识库检索增强大语言模型生成时,采用先召回再精排的两级检索模式,以获得更好的大语言模型生成结果。矿物大语言模型微调采用了主流的低秩适配(Low-Rank Adaption,LoRA)方法,以较少的训练参数获得了与全参微调性能相当的效果,节省了计算资源。实验结果表明,基于检索增强生成的大语言模型的矿物问答系统能以较高的准确率快捷地获取矿物知识。
