AstroLLM：为天文科研而生的领域专用大语言模型

AstroLLM是面向天文学和天体物理学研究的开源领域专用大语言模型系统，旨在解决通用大语言模型在专业科研场景中的幻觉问题。它通过RAG技术与NASA ADS、SIMBAD等天文数据库深度集成，提供带真实引用的检索增强回答，定位为科研工作者的智能研究助手。

在天文学领域，通用大模型难以提供准确可信的科研辅助，幻觉问题尤为致命。AstroLLM的设计目标是成为能引用真实论文、查询真实数据库的科研助手，证据不足时拒绝回答而非编造信息。与现有天文模型（如AstroSage）相比，其差异化体现在：工具集成能力（对接SIMBAD、NASA ADS等数据库）、RAG架构（知识实时更新）、教育适配（支持不同层次用户的苏格拉底式教学）、硬件友好（8B参数可在消费级硬件运行）。

AstroLLM采用分层架构：

数据与模型层

基于Qwen3-4B/8B模型进行QLoRA监督微调，训练数据来自天文文献语料库，通过LoRA注入领域知识。

检索与工具层

RAG系统基于PostgreSQL+pgvector构建向量存储，工具集成层桥接多个数据源：NASA ADS（1500万+论文）、SIMBAD（2000万+天体）、NASA系外行星档案（5800+行星）、NED（河外天体数据）、VizieR（23000+星表）。

服务层

推理支持vLLM和llama.cpp部署，Web界面采用TanStack Start+Elysia技术栈。

AstroLLM分阶段迭代，当前处于Phase 0：

阶段	时间线	核心交付物
Phase1(v1)	1-3个月	检索增强助手：QLoRA SFT、RAG+ADS/SIMBAD、beta版本上线
Phase2(v2)	4-8个月	严肃天文模型：完整LoRA8B、DPO训练、扩展工具集
Phase3(v3)	9-18个月	科学工具生态：模型家族（Nano3B+Core8B+Pro32B）、持续学习
Phase4+(v4+)	第2年起	多模态知识库：AION-1视觉桥接、光谱与光变曲线处理

AstroLLM的应用场景涵盖：

1. 文献综述：基于ADS快速定位相关研究，生成带引用的综述摘要
2. 天体查询：自然语言查询SIMBAD获取天体物理参数
3. 教学辅助：根据用户水平调整解释深度，支持天文学教育
4. 数据分析：结合Astropy进行基础天文计算和数据处理

AstroLLM是开源项目，采用Apache2.0许可证，积极融入天文AI生态：借鉴AstroMLab的基准测试方法、Multimodal Universe的多模态数据集、AION-1的多模态基础模型经验，鼓励学术和工业界广泛采用与贡献。

AstroLLM代表领域专用大模型的典型范式：构建完整的工具集成、检索增强和知识更新体系，而非简单微调通用模型。对天文科研工作者而言，一个可信赖的AI助手正从概念走向现实。