摘要：随着近年电池领域研究投入的激增,研究人员面临着前所未有的信息过载和知识盲区的挑战。针对这一问题,本文探讨了大语言模型(large language model,LLM)的检索增强生成(retrieval augmented generation,RAG)架构在电池领域的应用潜力,在此基础上对近期的研究文献进行综述,并提出展望。本文介绍了大语言模型RAG架构的工作原理,强调了该架构在垂直领域的可靠性,并基于此综述探讨了该架构在电池材料设计、电池单元设计和制造、电动交通与电网的电池管理系统三个领域的潜在应用。在电池材料设计部分,本文着重分析了大语言模型RAG架构的无幻觉生成能力在数据提取、研究方案设计和多模态数据问答中的优势。在电池单元设计和制造部分,本文从科研端指出该架构对电池单元设计方案分析的辅助作用,从制造端指出该架构桥接产业和科研的鸿沟、辅助产业管控的作用。在电动交通和电网的电池管理系统部分,本文指出该架构在跨领域知识联结、辅助系统级运维的作用。最后,本文讨论了多模态RAG技术在电池研究领域的应用潜力及其对电池研究效率的提升,并展望了RAG在电池领域的更多应用前景。

摘要：大语言模型等人工智能技术的飞速发展为提高内部审计质效带来了契机。本文设计基于“提示工程+检索增强生成+超参数调整”的审计大模型构建框架,并以员工违规经商办企业专项审计为例,在贯穿审计全流程的九个审计工作场景中,探索并实现了大语言模型在内部审计中的应用。研究结果表明,本文所设计的构建框架可以帮助审计人员在实务中构建与应用审计大模型,为将大语言模型应用于审计工作提供实现路径的参考。

摘要：人工智能自然语言大模型的涌现为行业深度赋能带来了新的曙光,研究铁路自然语言大模型关键技术及应用,对促进和统筹铁路人工智能发展具有重要意义。根据铁路人工智能应用需求,提出铁路自然语言大模型应用场景;依托铁路人工智能平台,设计铁路自然语言大模型的总体架构,研究自然语言大模型关键技术,构建面向智能问答的铁路行业大模型,并以实际数据进行模型验证;最后从铁路运输组织、铁路运营安全、旅客服务方面对铁路自然语言大模型的发展和应用进行展望。

摘要：为了推动生成式人工智能技术在游戏非玩家角色对话交互情境中的智能化应用,文章提出一种基于生成式人工智能模型、知识图谱及提示工程技术的检索增强生成策略。该策略依托于LangChain框架,首先采用基于LoRA的微调技术来提升生成式人工智能模型的输出精确度,继而利用游戏相关的数据资源构建知识图谱作为辅助的外部知识库,旨在引导和规范模型的内容生成。随后,通过精心设计的提示工程技术来塑造非玩家角色的独特个性特征。最后,设计一套涵盖主观和客观两方面的评价指标体系对整个方案的效果进行了综合性评估,从而验证了该策略的有效性及可行性。

摘要：由于城市风貌构成及其评价理论系统认知的缺乏,中国快速城镇化进程中城市“千城一面”的现象日益明显。本研究结合检索增强生成与提示工程的技术优势,探索了人工智能赋能下的城市风貌评价理论知识图谱的构建路径,进而实现城市风貌评价理论的知识映射与深化认知。一方面为城市风貌管控与设计决策提供有效支持,另一方面为“AI for Architecture”新范式的建构提供理论层面的赋能。

摘要：探讨了大语言模型在企业政企营销知识智能问答方向的研究与应用。在开发技术上,采用检索增强生成技术[1],结合大模型微调、意图识别和向量库实现问答F1值初步达到78.21%,构建闭环知识图谱体系,将问答F1值提升到92.36%。在工程上,通过vLLM大模型加速机制提升系统性能,采取数据安全技术保障系统安全性,通过API及微服务模块化架构提升系统适配性及扩展性,并将系统应用于行业生产中,有助于加速大模型在企业中的应用落地。