摘要：基于大模型检索增强生成的计算机网络实验课程问答系统的设计与实现,主要包括大语言模型、外挂知识库与规范性检测系统,通过大语言模型的通用性提供高度定制化的回答,通过外挂知识库实现数据条目的精细化管理,通过规范性检测系统保证系统的健壮性。还设计了微信小程序,用于信息展示与用户交互,提升系统的可用性。课堂问答测试结果表明,该系统能够准确回答学生遇到的问题,同时拒绝回答不合理、不安全的内容。该系统应用范围广、响应速度快、回答性能好,是大语言模型与实验课程教学相融合的成功尝试。

摘要：针对高等学校师生用户从海量校园信息中获取有效信息的困难,以校务领域知识为数据源,基于检索增强生成技术,设计了一个校园智能问答系统。融合大语言模型和垂直领域专业知识,以学校百事通项目为依托,将包括办事指南、常见问题、规范性文件等校务信息作为外挂数据语料库,应用检索增强生成专用的Infinity数据库,构建校务知识库,采用提示词工程,增强大语言模型生成答案。通过检索增强生成技术进行教育领域特定的校园问答,旨在以互动方式为用户提供各种校务服务信息,有助于解决校园常见问题,简化师生咨询流程,减轻学校管理工作负担。

摘要：检索增强生成(RAG)技术通过引入外部文档,让大模型具有访问外部知识库的能力,从而生成更真实可靠的回答,有效解决数据过时、语料不足问题。在介绍了大模型的基本架构和微调技术基础上,探讨了利用检索增强生成技术搭建本地知识库系统的应用框架,该应用框架由加载本地文档、文档拆分、拆分片段向量化、根据提问匹配文本、构造提示词和生成回答六部分构成。最后基于ERNIE-4.0大模型和AppBuilder开发平台,设计开发了一个面向校园信息服务的智能问答系统,并给出了具体实现。

摘要：为解决传统校园问答系统信息整合能力不足、泛化能力差等问题,设计了基于大语言模型的校园问答系统。使用微调后的大语言模型对用户问题进行意图识别,为不同意图的问题提供有针对性的处理方法,提升用户体验。同时,针对大语言模型生成时的幻觉问题,利用多种校园数据建立了校园知识库,通过检索增强生成方法为模型提供事实依据。实验结果表明,经过指令微调的开源大语言模型可以达到接近甚至超越闭源大语言模型的意图识别准确率。

摘要：知识图谱是一种网状结构的知识库,与基于向量的知识库在数据存储结构上有所不同,但它也可以作为大模型的外部知识库,通过RAG(Retrieval-Augmented Generation)方式增强大模型的能力。文章提出了一种基于知识图谱的RAG框架:MDKG-RAG。该框架利用多模态算法,将文档解析为多模态文档知识图谱,并将业务系统中的知识融入其中,实现文档知识和系统知识在知识图谱中的统一管理。此外,提出了一种多模态的检索生成方法。最后,通过设计实验来验证该框架的有效性。实验结果表明,与基于向量库和Elasticsearch(ES)的RAG相比,MDKG-RAG具有以下优势:在垂直领域和通用领域,MDKG-RAG的能力更强;MDKG-RAG在检索路径上具有更强的可解释性。

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：为提高索引编制的效率与质量,应用生成式人工智能的实验方法,针对传统基于规则和概率的索引软件的不足,提出了运用生成式人工智能RAG技术编制索引的方案,即以期刊的卷为单位,利用大语言模型基于论文摘要中的索引词对全文进行主题标引。设计了论文摘要索引数据库系统,能够实现基于大模型海量知识涌现和推理的文本概念抽取和主题标引,从摘要中提取关键信息和新兴知识。探讨了将索引、论文摘要、学术规范与评价关联起来的实际方式,展示了生成式人工智能在索引学和索引编制领域的潜在价值,能够为生成式人工智能技术在图书情报领域的应用推广提供参考。

摘要：人工智能作为新质生产力的重要引擎,将为各行各业赋能,助力审计工作“强研究、提质效”,推进高质量发展。人工智能技术给审计工作带来了机遇与挑战。本文首先阐述人工智能的发展历程和最新趋势,回顾与审计相关的文献;论述本地私有化部署大模型及Agent应用、知识库构建及检索增强生成、视频目标检测、本地离线语音识别等人工智能技术探索,结果显示人工智能技术应用能够有效增加审计工作的深度和广度,提升工作效率;探讨当前人工智能在审计应用的难点,包括生态系统建设、数据利用及治理、安全风险等;进一步结合国家审计的现实基础和在数字中国背景下的工作需要,从加强顶层设计、审计人才培养、有序构建专业领域人工智能等方面展望人工智能技术在国家审计中的应用。

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。