K2（GeoLLaMA）是上海交通大学 Acemap 团队开发的 7B 参数开源语言模型，基于 LLaMA 进一步预训练而成。它通过地球科学文本语料（含 39 亿 tokens）进行领域适配，结合 GeoSignal 指令微调数据提升性能。模型以两部分形式发布：符合 LLaMA 许可的 delta 权重和 PEFT（LoRA）适配器权重，还配套 GeoBench 评估基准及预处理工具 sciparser，为地球科学领域提供专用 AI 工具。
K2大模型官网 - 截图
核心优势
专注地球科学领域，经高质量领域语料训练，知识针对性强；
开源可访问，提供完整训练、微调及评估代码工具链；
基于成熟 LLaMA 架构优化，兼顾性能与部署灵活性，支持 8 位量化加载。
亮点功能
具备地球科学专业知识问答能力，可解答板块构造、气候变化等领域问题；
提供完整技术栈，包括数据预处理、模型训练、生成推理及评估流程；
支持 LoRA 轻量化微调，降低领域适配门槛，便于二次开发。
应用场景
地球科学领域学术研究辅助，如文献解析、假设验证
地质、气候等相关学科教学支持，解答专业知识点
地球科学数据处理与分析，辅助生成解读报告
地质灾害、环境变化等问题的初步分析与预测支持
技术价值
为地球科学领域提供首个专用大语言模型及评估基准，推动 AI 技术在该领域的应用落地；开源方案降低了领域大模型研发门槛，为跨学科融合提供技术参考，同时其训练与微调方法可为其他专业领域模型开发提供借鉴。
