Untuk mengatasi persoalan umum pada LLM, seperti kecenderungan menghasilkan informasi keliru (halusinasi) dan obsolesensi pengetahuan, tim NAU menerapkan pendekatann teknis yang komprehensif.
Selain metode penyempurnaan (fine-tuning) intruksi konvensional, pelatihan Sinong juga memanfaatkan data multidimensi, termasuk rantai (chain of thought) dan referensi kontekstual.
Pendekatan tersebut dinilai mampu meningkatkan kemampuan pemahaman dan generatif model tersebut untuk pengetahuan pertanian profesional. Saat ini, Sinong telah dirilis sepenuhnya bersifat open source dan dapat diakses melalui berbagai platform, seperti ModelScope dan GitHub.
NAU menyatakan bahwa strategi sumber terbuka ini bertujuan untuk mengurangi hambatan dalam penerapan AI di bidang pertanian.
Dengan ini, institut penelitian, perusahaan, dan pengembang dapatย melakukan pengembangan lanjutan dan inovasi berbasis Sinong, sekaligus mendorong ekosistem kolaboratif untuk solusi pertanian cerdas

8 hours ago
11
:strip_icc():format(jpeg)/kly-media-production/medias/5476503/original/018967300_1768779649-1000226364.jpg)
:strip_icc():format(jpeg)/kly-media-production/medias/5476140/original/098351200_1768713380-6.jpg)
:strip_icc():format(jpeg)/kly-media-production/medias/5475801/original/084943600_1768652673-Banjir_Pemalang.jpg)

:strip_icc():format(jpeg)/kly-media-production/medias/5460853/original/058795000_1767324180-jo_yon_woo.jpeg)




:strip_icc():format(jpeg)/kly-media-production/medias/5467358/original/078193400_1767875810-1.jpeg)












