大语言模型的出现催化了不同学科的变革，其先进的自然语言处理能力是其基础。这些复杂的模型借鉴了庞大的数据集和复杂的算法，在模拟人类文本生成方面表现出了非凡的能力，使它们在许多应用中发挥了很大的作用。然而，在包括大气科学在内的高度专业化领域部署大语言模型却充满了特殊的挑战，因其缺乏最新的专业知识，处理复杂数据类型的能力有限且倾向于生成与事实不符的信息。

　　香港浸会大学推出了一个结合了对话式AI和大气科学专业知识的计算框架——AirGPT。这一框架利用经过精选的同行评审文献库来增强语言模型的理解能力，并结合专门的数据分析工具来提升模型在空气质量评估方面的性能。具体来说，这种结合使得AirGPT不仅能理解和生成自然语言，还能进行复杂的数据分析任务，从而提供更准确的信息和建议。试验结果表明，与标准的大语言模型（如GPT-4）相比，AirGPT在空气质量评估方面实现了更高的准确性。它能够提供准确的监管信息，执行基本数据分析，并生成针对特定地理位置的管理建议。这些能力已通过北京等大都市地区的案例研究得到验证。因此，AirGPT代表了一个重要的进步，为将对话式AI技术应用于空气质量管理领域开辟了新的可能性。

　　相关成果以 AirGPT: pioneering the convergence of conversational AI with atmospheric science 为题发表在 npj Climate and Atmospheric Science 期刊上。