近日，針對大型語言模型（LLM）在海洋領域的應用，我所漁業遙感技術及數字漁業創新團隊提出了一種針對垂直領域大型語言模型（LLM）的增強型檢索方案——BM-RAGAM（BM25檢索增強生成注意力機制）。該方案通過結合關鍵詞匹配和語義關聯的混合檢索策略，大幅提升了LLM在特定領域的信息檢索準確性和生成內容的可解釋性。該成果（DOI為10.3390/app142411529）發表在《應用科學》雜志上（Applied Sciences，JCR 1 區）。我所與浙江海洋大學的聯合培養研究生陳器為第一作者，周為峰研究員為通訊作者。

大型語言模型在處理特定領域的復雜查詢時，常常出現回答不準確甚至誤導用戶的現象，這種現象被稱為“幻覺”。為解決這一問題，研究團隊以海洋學中的“鋒面”和“渦旋”知識為例，開發了BM-RAGAM方案。BM-RAGAM方案的核心在于在本地部署向量化的知識庫的基礎之上結合了BM25算法和RAG技術，從而實現高效檢索和文本生成。實驗表明，BM-RAGAM方案在多個評估指標上顯著優于基礎模型，不僅減少了幻覺現象，還提高了生成內容的準確性和專業性，特別適合海洋領域的問答系統搭建。BM-RAGAM方案為海洋領域LLM的應用提供了新的思路，未來有望進一步拓展到其他垂直領域。

該研究得到了國家重點研發計劃（2023YFD2401303）“基于數據驅動的遠洋漁情預報技術與服務系統”和中國水產科學研究院東海研究所基本科研業務費項目（2022ZD0402）的支持。

（漁業遙感與信息技術研究室 周為峰）