据悉，智慧芽已成功训练专注知识产权领域的“PatentGPT”和专注于医药领域的“PharmGPT”两款垂直领域大模型，致力于为知识产权、研发创新、生物医药等应用场景提供高效的信息检索、分析和应用体验，颠覆传统科创信息获取和服务范式，显著提升科技创新效能。其中，PatentGPT达到了通过中国专利代理师资格考试的水平，PharmGPT达到了通过中国执业药师职业资格考试、美国注册药剂师考试（NAPLEX）的水平，部分能力超越GPT-4。
智慧芽PatentGPT和PharmGPT建立在庞大的、高质量的垂直行业数据集之上，其预训练数据达到了千亿级token的规模。上述训练数据既包含了智慧芽10余年积累和深加工的全球170个受理局的超过1.8亿专利、超过1.6亿篇论文、超过2100万则新闻、超过8.6亿个生物序列、超过2.5亿个化学结构、超过4万种靶点、超过8万种新药数据等。另外，在智慧芽垂直领域独特的数据配方构成上，还加入了7000余本专业书籍、丰富的行业常识等内容。
智慧芽在专利、生物医药等行业的AI算法领域有着丰厚的技术积累，在过去10余年间成功采用计算机视觉、机器学习、自然语言处理、神经网络、OCR识别、知识图谱、大模型技术等处理和分析各类数据，辅助用户进行创新决策。其中，智慧芽AI算法团队曾构筑了数十种Bert模型以清洗、处理数据，为自研大模型的训练奠定了坚实基础。针对大模型训练，智慧芽围绕数据、算法训练、测试、强化学习构筑了四大平台。值得一提的是，智慧芽采用了增强式预训练的策略，基于专利和医药领域超40位专家反馈及其2万多条对比数据的强化学习，配合RAG（Retrieval-Augmented Generation，检索增强生成）加强大模型理解能力，减少幻觉，对齐人类意图，将大模型精度提升至80%。
(责任编辑：王丹萍)
