SolarGPT-QA：面向空间天气与太阳物理学教育问答的领域自适应大语言模型
机器学习
2026-03-18 v4 人机交互
摘要
太阳活动，包括太阳耀斑、日冕物质抛射（CME）和地磁暴，会显著影响卫星、航空、电网、数据中心和太空任务。极端太阳事件可能在预警时间有限的情况下造成巨大的经济损失，这凸显了早期预警系统、准确预报和有效空间科学教育的重要性。尽管大语言模型（LLM）在通用任务上表现良好，但它们通常缺乏领域特定知识和教学能力来清晰解释复杂的空间科学概念。我们介绍了SolarGPT-QA，一个基于领域自适应大语言模型的问答系统，该模型建立在LLaMA-3基础模型之上。该模型使用科学文献以及使用GPT-4生成并使用Grok-3以学生友好的讲故事风格精炼的大规模问答数据进行训练。为了评估回答质量，我们采用了一个LLM作为评判者的评估框架，其中强大的参考模型使用结构化标准（包括科学准确性、清晰度、完整性和教学效果）评估生成的答案。结果表明，SolarGPT-QA在零样本设置下相对于通用模型表现强劲，并且在空间天气和太阳物理学的教育解释方面达到了与指令微调模型相竞争的性能。消融研究表明，将领域自适应预训练与微调相结合对于平衡科学准确性和教育效果至关重要。
引用
@article{arxiv.2601.12131,
title = {SolarGPT-QA: A Domain-Adaptive Large Language Model for Educational Question Answering in Space Weather and Heliophysics},
author = {Santosh Chapagain and MohammadReza EskandariNasab and Onur Vural and Shah Muhammad Hamdi and Soukaina Filali Boubrahimi},
journal= {arXiv preprint arXiv:2601.12131},
year = {2026}
}
备注
This is preliminary work towards a broader SolarGPT framework