【论文推荐】加强数据管理 推动公共资源交易领域AI大模型“可信”应用
摘要：本文立足于深圳交易集团在公共资源交易领域的丰富业务实践，以正确理解和把握人工智能技术的核心价值为前提，系统梳理了AI大模型在该领域的多样化应用场景。在此基础上，文章深入分析了当前落地应用面临的主要挑战，尤其是缺乏高质量数据这一关键问题，并据此提出了未来公共资源交易“可信”大模型应用落地的实施路径。本文旨在通过分享这些实践经验和见解，激发业界对公共资源交易领域可信垂类大模型研发的更多关注与讨论，从而共同推动该行业的高质量发展。
关键词：公共资源交易；人工智能；可信大模型；数据管理
1、引言
在当今这个数字化飞速发展的时代，人工智能（AI）正以前所未有的速度和规模改变着我们的生产和生活方式。作为社会经济活动的重要组成部分，公共资源交易因其涉及面广、影响深远，其公平、高效与透明度对于市场经济的健康发展至关重要。然而，传统的公共资源交易模式面临着信息不对称、流程繁琐、监管难度大等诸多挑战，严重制约了交易效率和市场活力的释放。
为了应对这些挑战，推动公共资源交易的数字化、智能化转型成为了必然选择。在这一转型过程中，AI大模型以其强大的数据处理和模式识别能力，展现出了巨大的应用潜力。通过深入学习和理解大量数据，AI大模型能够生成具有泛化能力的智能系统，为公共资源交易提供精准、高效的决策支持。然而，要充分发挥AI大模型在公共资源交易领域的作用，加强数据管理是基础中的基础。
数据管理不仅是AI大模型应用的先决条件，也是提升公共资源交易效率和公平性的关键所在。通过加强数据的收集、整合、分析和利用，我们可以实现对交易全过程的精准监管和高效服务，从而提升交易的透明度和公平性。同时，高质量的数据供给还能够为AI大模型提供丰富的“食粮”，促进其不断学习和优化，进一步提升其决策支持能力。
因此，本文立足于深圳交易集团在公共资源交易领域的丰富业务实践，以正确理解和把握人工智能技术的核心价值为前提，系统梳理了AI大模型在该领域的多样化应用场景。在此基础上，文章深入分析了当前落地应用面临的主要挑战，尤其是缺乏高质量数据这一关键问题，并据此提出了未来公共资源交易“可信”大模型应用落地的实施路径。我们希望通过分享这些实践经验和见解，激发业界对公共资源交易领域可信垂类大模型研发的更多关注与讨论，从而共同推动该行业的高质量发展。
2、正确认识人工智能
2.1.行业发展仍处于萌芽期，市场规模不大但增速较快
近年来，AI大模型作为引领未来科技发展的关键力量，正以前所未有的速度改变着我们的生活、工作乃至整个社会。AI大模型是指在机器学习和深度学习领域中，采用大规模参数（至少在一亿个以上）的神经网络模型，分为自然语言处理（NLP）大模型、计算机视觉（CV）大模型、多模态大模型和其他大模型。AI大模型的蓬勃发展离不开三大核心引擎的支撑：算法、算力和算料（即数据）。这三者相辅相成，共同推动着人工智能技术的不断突破与创新。目前大家了解和广泛使用的ChatGPT、文心一言就是基于自然语言处理（NLP）大模型构建。
AI大模型通过学习和理解大量数据，能够生成具有泛化能力的智能系统，从而在多个领域实现智能化应用，有效提升各行业生产要素的产出效率，极大提高数据要素在生产要素组合中的地位。但当前整体AI大模型行业仍处于萌芽期，市场规模并不大，但行业增速较快。根据相关公开统计数据显示，2023年我国大模型行业市场规模仅为147亿元，但近三年复合增速高达114%，金融、政府、影视游戏和教育领域是大模型接受程度最高的四大行业，接受程度均超过50%。金融、电信和电子商务的应用成熟度较高。
2.2.多类主体竞相布局，行业生态初步构建
当前AI大模型产业应用的技术研发主要由传统互联网大厂、高校研究院和AI初创企业共同推动，三者既是竞争关系亦是合作关系。一是传统互联网大厂。其特点是具有雄厚的资本支持、云集经验丰富的行业人才和拥有大量潜在的行业客户。典型代表有科大讯飞、商汤、百度等。二是高校研究院。其特点是积累了海量专业数据、拥有充沛的学术研究人才，且无逐利目标要求。典型代表有清华大学、北京大学等。三是初创企业。其特点是高效的企业运作、灵活的业务开展模式，专注聚焦于所处的细分赛道。典型代表有衔远科技、澜舟科技等。
在公共资源交易领域软件服务商中，博思、广联达、新点、用友等基于通用大模型，围绕客服、招投标文件编制、开评标、监管等应用场景开展大模型应用探索，在央企、国企采购业务中有AI大模型实际案例落地。
2.3.通用场景趋于成熟，行业场景不断丰富
AI大模型厂商通过深化通用大模型能力或打造垂类行业大模型两种路径为下游行业提供AI大模型应用服务，基于行业专业知识数据构建垂类行业大模型应用正在成为主流。大模型应用场景分为通用场景和行业场景，
2.3.1通用场景
一是智能客服。大模型能够准确地识别不同用户表达内容背后的意图，根据用户的反馈内容做出实时的变化调整，优化客服服务质量。二是智能营销。大模型能够基于实时数据进行优化，快速调整并自动执行营销活动，减少了人工投入，提高营销成本效益。三是智能搜索。大模型具备自我学习能力，能够理解复杂问题，具有推荐和决策能力。通过自然语言交互反馈可为用户提供更为具体及个性化的回答，使知识调用方式更为自然和更具备交互性。
2.3.2行业场景
AI大模型在金融、政务、电商三大行业中展现出显著应用成效。金融行业因其良好的数字化基础和高接受度，成为AI大模型应用最成功的领域，如上海银行的“AI数字员工”、中国联通的“智能投解决方法”等。政务行业利用大模型处理庞大的政府数据和社会信息，优化决策体系，提升服务效率，如北京市利用大模型分析市民热线数据，河南网信办的“APUS AI辟谣助手”。电商行业则依托大模型变革信息获取方式，利用商品和用户行为数据推动精准营销，如商汤和衔远科技的应用。
这些案例展示了AI大模型在多模态信息处理、决策优化、精准营销等方面的强大能力，推动了各行业新场景的革新。通过AI大模型的应用，不仅提高了工作效率，还优化了用户体验，促进了各行业的数字化转型。
2.4.行业发展潜力巨大，未来面临多重挑战
近年来，AI大模型经历了从AI 1.0到AI 2.0的演进，逐步迈向通用人工智能（AGI），实现了从感知智能到认知、生成及决策智能的跨越。然而，将AI大模型有效应用于实际场景仍面临算力、数据、资金、人才和市场认知等多重挑战。
首先，算力资源不足且能耗巨大，成为制约大模型发展的瓶颈。其次，数据质量不高且合规获取难度大，影响了大模型的训练效果和准确性。再者，研发投入巨大，难以短期获得回报，使得许多企业和科研机构望而却步。此外，行业人才缺乏，供需比例严重失衡，也制约了AI大模型的发展。最后，市场认知存在偏差，部分用户过于乐观或认知不足，导致投入产出不成正比。同时，AI大模型的商业模式尚不清晰，资金实力不足的企业和研发机构面临巨大压力。
3、公共资源交易领域应用现状、
3.1 驱动因素及应用场景分析 公共资源交易领域应用现状
3.1.1.各地积极探索，缺乏体系化应用解决方案
近年来，公共资源交易平台积极推动数字化、智能化转型，利用数字化平台赋能交易业务已成共识。据公开资料，多地公共资源交易中心已出现AI应用实例。例如：海南省公共资源交易中心于2022年12月推出“机器管招标”系统，通过构建交易、监管、服务全覆盖的体系，实现交易公开透明、监管高效。2023年1月，安徽合肥公共资源交易中心运用区块链、大数据、AI等新技术，构建了多元智慧交易场景，包括评审智慧辅助、异常智慧预警等。同年11月，恩施市公共资源交易中心上线“智慧AI助手”，为专家评委提供智能问答、交互等服务，提升评标效率。扬州公共资源交易中心于2024年9月推出“扬小易AI+服务”，结合数字见证系统与AI技术，运用新技术进行即时分析和评估，打造智能评标管控的虚拟实验室，提升监管效能。同时，江西省公共资源交易集团也推出了AI询标通知与AI智能客服服务，利用语音识别与自动化通知技术构建即时通讯桥梁，提升交易效率，降低企业成本。AI智能客服则集智能搜索、精准推荐等技术于一体，全方位覆盖交易服务全生命周期的咨询需求。
综上，公共资源交易行业是强监管行业，在推进AI技术在公共资源交易核心业务场景的应用趋于保守，主要应用在智能问答和基于成熟业务规则的信息核验上，比如利用OCR识别辅助用户资料审核、智能评审助手等。同时，受限于公共资源交易中心事业单位的性质和近年来财政投入下降因素，未能在交易的核心场景上见到实质应用AI大模型的应用，仅是对外宣传冠以“AI”或“智慧”系统。
3.1.2.行业厂商规模小，研发处于早期阶段
公共资源交易相对于金融、电商等行业，特点是规模小、政策属性强、社会关注度高，但投入规模小。具体来看，公共资源交易领域软件服务商在公共资源交易大模型研发处于早期阶段，技术主要基于传统互联网大厂技术进行行业适配。例如，用友发布了基于YonGPT的公共资源交易行业垂类大模型，旨在提供专业知识问答、招标文件自动生成等能力。博思则推出了“阳光公采大模型”，通过智能咨询、智能采购文件编制等应用，提升采购效率。国泰新点计划投入超募资金开展行业大模型研发，围绕智能决策、智能服务等高价值场景进行探索。广联达则打造了智能交易平台产品，利用大模型的语义理解、规则推理等能力，实现招标规则提取、智能评审等应用。
相比之下，传统互联网大厂已在AI大模型基础能力建设上取得显著进展，正逐步向各行业推进垂直大模型建设。例如，百度与三峡集团合作打造“智能辅助招采系统”，科大讯飞为某能源集团建设智能云评审中心，阿里、抖音、腾讯等也在积极寻求公共资源交易行业的落地机会。
3.1.3. 数据管理处于早期阶段，行业规范亟待完善
当前，我国公共资源交易中心主要以事业单位为主体，国有企业作为辅助力量，共同承担起公共资源交易的重任。然而，在数据管理工作上，这些机构尚未获得足够的重视。尽管数据在现代社会中的重要性日益凸显，但在公共资源交易领域，数据管理的理念和实践仍处于相对初级的阶段。
在行业规范方面，目前主要依据的数据标准规范为国家发改委在2018年发布的《全国公共资源交易平台系统数据规范（2.0）》。这一规范主要用于指导各地方公共资源交易中心如何向国家平台报送交易数据，确保数据的统一性和规范性。然而，随着技术的不断发展和数据应用场景的不断拓展，这一规范已逐渐显现出其局限性，无法满足当前数据管理的多元化需求。
尽管面临诸多挑战，但仍有部分公共资源交易中心在数据管理方面取得了积极进展。例如，深圳交易集团作为行业内的佼佼者，率先设置了数据管理部门，并自2023年起全面启动了集团数据治理工作。通过不懈的努力，该集团成功通过了DCMM（数据管理能力成熟度模型）三级认证，标志着其在数据管理方面达到了较高的水平。
此外，成都市公共资源交易中心也积极探索数据治理的新路径。该中心通过实施“1+2+N”数据治理模式，即构建一个数据中心、两个数据平台和多个数据应用系统的架构，成功构建了完善的数据资源体系。这一模式不仅提升了数据的质量和利用效益，还为其他公共资源交易中心提供了有益的借鉴和参考。
综上所述，虽然我国公共资源交易中心在数据管理方面仍处于早期阶段，且行业规范尚不健全，但已有部分机构开始积极探索和实践数据治理的新路径。未来，随着技术的不断进步和行业的不断发展，相信我国公共资源交易中心的数据管理水平将会得到进一步提升，为公共资源交易的高效、透明、公平提供有力保障。
3.2、减人工保公平驱动平台数字化转型
减少人工干预保障交易公平是公共资源交易数字化转型不断追求。公共资源交易应用可信大模型在提升交易效率、增强透明度、保障交易公正性、促进资源优化配置以及推动行业创新发展等方面都发挥了重要作用。这些体现不仅有助于提升公共资源交易的效率和公正性，还有助于推动整个行业的健康、可持续发展。
3.2.1.提质增效，降低交易成本
大模型能够处理和分析公共资源交易中的海量数据，通过智能化和自动化的方式，快速完成交易过程中的信息匹配、合规性审查、价格评估等环节。这极大地缩短了交易周期，降低了交易成本，提升了整体交易效率。例如，模型可以快速识别投标文件中的关键信息，自动进行合规性检查，从而减少了人工审查的时间和成本。同时，AI还能实现合同的自动生成和审核，降低法律风险和人力成本。
3.2.2.透明监测，提升交易公信力
公共资源交易应用可信大模型后，交易过程变得更加公开、透明。模型能够对交易数据进行实时监测和分析，确保交易信息的准确性和完整性。这有助于消除信息不对称现象，防止暗箱操作和腐败行为的发生。同时，通过公开透明的交易过程，可以增强公众对公共资源交易的信任度，提升政府公信力。
3.2.3.科技公正，维护交易公平
可信大模型的应用使得公共资源交易在决策过程中更加科学、公正。模型能够根据历史数据和实时信息，对交易进行精准预测和评估，为决策者提供客观、全面的参考依据。这有助于避免人为因素的干扰，确保交易结果的公正性。此外，模型还可以对交易过程进行实时监控和预警，及时发现并纠正违规行为，维护市场秩序和公共利益。
3.2.4.智能规划，资源配置更高效
AI技术能够基于历史交易数据和市场需求，进行智能预测和规划，帮助公共资源交易机构更合理地配置资源。例如，AI可以预测未来一段时间内的市场需求变化，从而指导采购计划的制定，避免资源浪费和短缺。通过对交易数据的深度挖掘和分析，模型可以揭示资源需求的规律和趋势，为政府和企业提供科学的决策支持。这有助于引导资源向更高效、更可持续的领域流动，提高资源利用效率和社会效益。
3.2.5.创新驱动，打造行业新质生产力
公共资源交易应用可信大模型也是行业创新发展的重要体现。随着技术的不断进步和应用场景的拓展，可信大模型将在更多领域发挥重要作用。这将推动公共资源交易行业的数字化转型和智能化升级，促进行业创新发展和服务水平提升。
3.3、公共资源交易应用场景畅想3.3公共资源交易应用场景畅想
随着科技的飞速发展，特别是大模型等前沿技术的崛起，公共资源交易领域正经历着一场深刻的变革。这些技术不仅重塑了交易流程，提升了效率与透明度，更在构建一个更加公正、高效、智能的公共资源交易生态上展现出前所未有的潜力。以下，为我们畅想公共资源交易应用场景将如何发展、绽放。
图 公共资源交易场景中的应用
3.3.1.AI智能监管：精准洞察，守护公正
利用AI技术，能够实现投标书雷同性检查，精准捕捉围串标线索，对投标人与专家的违规行为进行风险提示及监管。同时，从历史项目中抽取样本，通过AI数字专家进行二次评审，与人工评审结果进行对比，验证评审质量和正确性，及时洞察并应对评审中存在的问题，确保公共资源交易的每一步都公正无虞。
3.3.2.AI智能审查助手：合规先行，公平先行
依据《招标投标领域公平竞争审查规则》等政策法规，AI智能审查助手将协助招标人、平台工作人员对招标采购文件进行全方位审查，包括合规性、准入公平性、得分公平性、定标公平性及资信要素排他性审查，确保公共资源交易在公平、公正、公开的原则下顺利进行。
3.3.3.AI辅助评标：智慧评审，高效公正
依托标书解析与智能评标引擎，AI能够自动理解招标文件需求，自动处理投标文件，开展标书雷同性检查，并提供政策法规与技术规范参考。这不仅协助评审专家提升商务资质评审的专业性和准确性，还减少了重复性工作，提高了评审效率。同时，AI建设工程评审专家的引入，实现了技术标的智能化评审，确保了评标过程的透明度和一致性，增强了公共资源交易的公正性和可信度。
3.3.4.AI智能场地监管：数字见证，轨迹可循
借助AI智能数字见证系统，我们利用高清视频监控、人脸追踪及轨迹定位技术，实时追踪评标专家、代理机构等人员的活动轨迹。通过数字化、可视化的方式呈现活动轨迹和交互信息，实现人员的自动定位、标注与预警。在评标会议室内，多模态大模型的行为识别能力能够预警不良违规行为，确保公共资源交易场地的安全与秩序。
3.3.5.AI智能编标助手：智能匹配，高效编标
通过训练公共资源交易垂直领域的AI大模型，我们为招标人提供智能匹配招标书模板、推荐评审规则及政策法规智能问答的编标助手服务。这不仅提高了招标书的编制效率，还确保了招标文件的合规性和准确性。
3.3.6.AI智能客服向导：实时解答，贴心服务
精调训练公共资源交易领域的AI大模型，构建具备行业知识与业务规则的RAG智能知识库。在线AI智能咨询向导能够精准解答公共资源交易专业知识问题，提供实时政策法规解读和采购实务指导。这不仅帮助采购参与主体快速获取所需信息，还提高了平台人员的工作效率，提升了市场主体的服务质量满意度。
4、大模型在公共资源交易应用 面临的挑战及路径研究
4.1.面临的挑战
4.1.1.缺乏高质量数据供给的挑战
在公共资源交易领域，AI系统的应用极大地依赖于高质量的数据供给。然而，当前面临的一个显著挑战正是高质量数据的稀缺性。这一挑战对AI系统的效能和准确性构成了严重威胁，具体表现在以下几个方面：
数据不完整性：公共资源交易领域的数据往往分散在多个部门和系统中，数据的整合和统一存在难度。这种数据的不完整性可能导致AI系统在训练和决策过程中缺乏全面的信息，从而影响其准确性和可靠性。
数据质量参差不齐：即使能够获取到相关数据，数据的质量也往往参差不齐。错误、重复、缺失或不一致的数据会严重影响AI系统的训练效果，甚至导致算法偏见或歧视。因此，确保数据的质量成为了一个亟待解决的问题。
数据时效性：公共资源交易领域的数据是动态变化的，旧的数据可能无法反映当前的市场状况和业务需求。然而，获取实时数据并及时更新AI系统的训练集并非易事。数据的时效性不足可能导致AI系统的决策滞后于市场变化，从而降低其应用价值。
数据隐私和合规性：在收集和使用公共资源交易数据时，必须严格遵守相关的隐私保护和合规性要求。然而，这些要求往往限制了数据的获取和使用范围，给AI系统的数据供给带来了额外的挑战。如何在确保数据隐私和合规性的前提下，为AI系统提供足够的高质量数据，成为了一个需要深入探索的问题。
4.1.2.模型应用可靠性的挑战
AI系统的决策过程可能受到训练数据的影响，从而产生算法偏见或歧视。在公共资源交易领域，如果AI系统的算法设计不合理或数据质量不高，可能导致对某些群体或企业的不公平对待，影响交易的公正性和公平性。为了应对这一挑战，大模型必须具备以下特性：
高度专业性：公共资源交易领域涉及复杂的专业知识和业务流程，大模型需要深入理解该领域的术语、表达方法、推理逻辑和操作流程，以确保其决策的专业性和准确性。
过程可控性：大模型在提供决策支持时，必须符合专业指引，推理过程需要可解释和可追溯，以确保输出结果的专业性、科学性与合规性。同时，当发现不合理输出时，应能及时进行纠正。
信息真实性：大模型在辅助进行风险评估和决策时，必须基于真实的交易数据和法律法规数据进行分析和预测。对虚假信息或事实性错误应保持低容忍度，并能够及时获取和根据最新的市场信息和数据来生成内容或进行推理决策，以应对信息的动态变化。
4.1.3.应用成本的挑战
在推广大模型驱动的AI应用时，应用成本是一个显著的障碍。目前，定制化千亿参数通用大模型的成本高昂，难以被公共资源交易领域客户接受。同时，算力成本也居高不下，训练卡价格仍在上升。未来，随着LLM（Large Language Model）的不断升级，训练和推理成本可能会持续上升。为了解决这一难题，可从以下两个方面入手。
垂类大模型：开发针对特定应用场景的垂类大模型，以实现参数量、效果、成本和场景的匹配。
技术优化：采用模型蒸馏压缩、MoE架构、小样本微调等技术路径，有效降低计算成本和存储需求。
4.1.4.数据安全的挑战
公共资源交易领域涉及高价值数据和敏感信息，对大模型的数据安全性提出了严峻挑战。大模型需要确保自身安全，并符合相应业务的合规性、安全性要求。具体来说：
敏感数据处理：大模型需要能够安全地处理交易过程数据、商业机密等敏感信息，防止数据泄露或被恶意利用。
抗攻击能力：在训练和部署过程中，大模型面临着更大的安全风险。因此，大模型应用系统需要具备抗攻击能力，能够识别和抵御各种攻击手段。
法规合规性：公共资源交易领域有严格的法规和标准要求，大模型需要符合这些合规性要求，以避免在应用过程中违反相关法律法规。
4.1.5.监管难度增加的挑战
随着AI技术在公共资源交易领域的深入应用，监管难度也随之显著增加，这主要体现在以下几个方面：
首先，技术复杂性带来的监管挑战。AI技术，尤其是深度学习等先进算法，其内在逻辑和运作机制对于非专业人士来说往往难以理解和把握。这种技术复杂性使得监管部门在评估AI系统的合规性、安全性和效果时面临巨大挑战。监管部门需要不断提升自身的技术素养，以便更好地理解和监管AI技术的应用。
其次，数据隐私与安全的监管难题。公共资源交易领域涉及大量敏感数据和个人信息，如交易记录、企业信用信息等。AI系统在处理这些数据时，必须严格遵守数据隐私保护法规，确保数据的安全性和保密性。然而，由于AI技术的特殊性和复杂性，监管部门很难全面监控和防范数据泄露、滥用等风险。
再者，算法偏见与歧视的监管困境。AI系统的决策过程可能受到训练数据的影响，从而产生算法偏见或歧视。在公共资源交易领域，这种偏见或歧视可能导致对某些群体或企业的不公平对待，损害交易的公正性和公平性。监管部门需要建立有效的机制来检测和纠正算法偏见，确保AI系统的决策过程公正、透明。
此外，AI技术快速发展的监管滞后。AI技术日新月异，新的算法和模型层出不穷。然而，监管法规的制定和更新往往滞后于技术的发展，导致监管部门在应对新技术带来的挑战时缺乏有效的法律依据和手段。这种监管滞后可能使得一些不合规的AI应用得以存在和蔓延，给公共资源交易领域带来潜在的风险和隐患。
最后，跨部门协作与监管的复杂性。公共资源交易领域的监管涉及多个部门和机构的协作与配合。然而，由于各部门之间的职责划分、信息共享和协作机制等方面的问题，导致监管工作往往存在重复、遗漏和冲突等现象。在AI技术的应用中，这种问题可能更加突出，给监管部门带来更大的挑战。
4.2“可信”公共资源交易领域AI大模型实现路径
4.2.1.加强数据供给，采集与融合公共资源交易的多模态多元信息
加强数据供给，采集与融合公共资源交易的多模态多元信息，是提升AI系统在公共资源交易领域应用效果的关键举措。通过拓宽数据采集渠道、注重数据的多模态特性、数据的融合与整合、建立数据共享与交换机制以及保障数据安全与隐私等措施，可以构建一个全面、丰富且高质量的数据基础，为AI系统的精准决策和高效运行提供有力支撑。
首先，拓宽数据采集渠道是关键。这包括但不限于交易平台数据、政府公开数据、企业申报数据、场地音视频数据等多元来源。通过广泛的数据采集，可以确保数据的全面性和多样性，为AI系统提供丰富的“食粮”。
其次，注重数据的多模态特性。公共资源交易领域的数据不仅包括结构化数据（如交易记录、企业信息等），还包含非结构化数据（如标书文本、图像、音频等）。为了充分利用这些数据，需要采用先进的技术手段进行数据的提取、转换和加载（ETL），确保数据的多模态特性得到充分体现和利用。
再者，数据的融合与整合是提升数据质量的关键步骤。通过数据清洗、去重、标准化等处理流程，可以消除数据中的噪声和冗余，提高数据的准确性和一致性。同时，利用数据融合技术，可以将来自不同来源、不同格式的数据进行整合，形成统一的数据视图，为AI系统提供更加精准和全面的决策支持。
此外，建立数据共享与交换机制也是加强数据供给的重要措施。通过构建数据共享平台或数据交换中心，可以促进不同部门、不同机构之间的数据共享与流通，打破数据孤岛，实现数据的最大化利用。
最后，保障数据安全与隐私是数据采集与融合过程中不可忽视的问题。在采集、处理和使用数据时，必须严格遵守相关法律法规和隐私政策，确保数据的安全性和保密性。同时，采用加密技术、访问控制等手段，防止数据泄露和滥用，保护个人隐私和商业秘密。
4.2.2.构建高质量的公共资源交易数据集，涵盖交易领域知识图谱、知识库及垂搜内容
在公共资源交易领域，数据是驱动智能决策和高效监管的核心要素。为了充分发挥数据的价值，构建高质量的公共资源交易数据集显得尤为重要。这一数据集应全面涵盖交易领域的知识图谱、知识库以及垂直搜索内容，为AI系统的精准决策和高效运行提供坚实的数据基础。
首先，构建交易领域的知识图谱是数据集的重要组成部分。知识图谱是一种结构化的知识表示方法，能够将领域内的实体、关系以及属性进行有机整合。在公共资源交易领域，知识图谱可以包括交易主体、交易项目、交易规则、法律法规等关键要素，以及它们之间的关联关系。通过构建知识图谱，我们可以更加清晰地了解交易领域的整体结构和内在逻辑，为AI系统提供丰富的知识支持。
其次，知识库的建立也是数据集不可或缺的一环。知识库是存储和管理领域知识的重要工具，它包含了大量的结构化和非结构化数据。在公共资源交易领域，知识库可以涵盖交易政策、历史案例、专家经验等宝贵资源。通过整合这些知识资源，我们可以为AI系统提供全面的信息支持，帮助其更好地理解和处理交易问题。
此外，垂直搜索内容的纳入也是构建高质量数据集的关键。垂直搜索是针对特定领域或主题进行的信息检索，它能够提供更加精准和相关的搜索结果。在公共资源交易领域，垂直搜索内容可以包括交易公告、项目信息、企业资质等关键数据。通过将这些数据进行垂直搜索和整合，我们可以为AI系统提供更加丰富和准确的交易信息，提高其决策效率和准确性。
在构建高质量的公共资源交易数据集时，我们还需要注重数据的质量控制和更新维护。这包括数据的清洗、去重、标准化等处理流程，以及定期的数据更新和补充。通过确保数据的质量和时效性，我们可以为AI系统提供持续、稳定的数据支持，推动其在公共资源交易领域的深入应用和发展。
综上所述，构建高质量的公共资源交易数据集是提升AI系统在公共资源交易领域应用效果的关键举措。通过涵盖交易领域知识图谱、知识库及垂搜内容，我们可以为AI系统提供全面、丰富且高质量的数据基础，推动其精准决策和高效运行，为公共资源交易领域的智能化发展注入新的活力。
4.2.3.结合公共资源交易知识库通过RAG技术提升模型生成内容的真实可控
在公共资源交易领域，确保信息的真实性和可控性对于维护市场秩序、保障交易公正具有至关重要的意义。为了实现这一目标，我们可以结合公共资源交易知识库，通过RAG（Retrieval Augmented Generation，检索增强生成）技术来提升模型生成内容的真实可控性。RAG技术是一种结合了信息检索与生成模型的人工智能技术。它通过从外部知识库中检索相关信息，并将其作为提示输入给大型语言模型（LLMs），以增强模型处理知识密集型任务的能力。在公共资源交易领域，我们可以将RAG技术应用于模型生成内容的过程中，以确保生成内容的真实性和可控性。具体实现路径：
一是构建高质量的公共资源交易知识库。从公共资源交易平台的官方网站、政府公告、法律法规等权威来源收集相关数据。对收集到的数据进行清洗、去重、格式化等处理，确保数据的质量和一致性。并将整理后的数据构建成知识库，包括交易规则、法律法规、历史案例等关键信息。
二是集成RAG技术。利用高效的检索算法（如向量搜索技术），从知识库中检索与生成任务相关的信息。将检索到的信息作为提示输入给大型语言模型，指导模型生成内容。根据实际需求，对检索和生成模块进行优化和调整，以提高生成内容的准确性和可控性。
三是确保生成内容的真实可控。利用知识库中的权威信息对生成内容进行事实核查，确保内容的真实性。通过预设的提示模板和生成规则，对生成内容进行控制，确保内容符合公共资源交易领域的规范和要求。在必要时，引入人工审核机制，对生成内容进行进一步把关。
4.2.4.应用SOP增强的推理过程实现复杂的交易决策支持
在公共资源交易领域，面对日益复杂和多样化的交易场景，传统的决策支持方法往往难以满足实际需求。为了提升决策效率和准确性，我们可以应用SOP（Standard Operating Procedure，标准操作程序）增强的推理过程来实现复杂的交易决策支持。
SOP增强的推理过程是一种结合了标准操作程序和先进推理技术的决策支持方法。它通过将标准操作程序与推理引擎相结合，能够实现对复杂交易场景的深入分析和精准决策。这种方法不仅能够提高决策的效率，还能够确保决策的一致性和可解释性。
在应用SOP增强的推理过程时，我们首先需要梳理和制定公共资源交易领域的标准操作程序。这些程序应涵盖交易的全过程，包括信息发布、报名审核、竞价拍卖、合同签订等环节。通过制定标准操作程序，我们可以为推理过程提供明确的指导和规范，确保决策的合理性和合规性。
接下来，我们将标准操作程序与推理引擎相结合，构建SOP增强的推理模型。这个模型应能够根据交易场景的具体情况和需求，调用相应的标准操作程序，并结合推理技术进行分析和决策。通过推理引擎的强大计算能力，我们可以对大量数据进行快速处理和分析，从而得出精准的决策结果。
SOP增强的推理过程在公共资源交易领域具有广泛的应用前景。它可以帮助交易双方更好地理解交易规则和流程，提高交易的透明度和公正性。同时，它还能够为监管部门提供有力的决策支持，帮助他们更好地履行监管职责，确保交易的合规性和安全性。
此外，SOP增强的推理过程还能够促进公共资源交易领域的智能化和自动化发展。通过不断优化和完善推理模型，我们可以实现对交易过程的自动监控和预警，及时发现和处理潜在的风险和问题。这不仅能够提高交易效率和质量，还能够降低交易成本和风险，为公共资源交易领域的可持续发展提供有力保障。
综上所述，应用SOP增强的推理过程实现复杂的交易决策支持是公共资源交易领域的一项重要举措。通过结合标准操作程序和先进推理技术，我们可以构建出高效、准确、可解释的决策支持模型，为交易双方和监管部门提供有力的决策依据和支持。
4.2.5.创建公共资源专家多智体协同框架，实现交易过程和交易监管的透明可控
在公共资源交易领域，为了进一步提升决策效率和监管效能，创建公共资源专家多智体协同框架显得尤为重要。这一框架旨在通过整合多领域专家的智慧和经验，以及利用先进的智能体技术，实现交易过程和交易监管的透明可控。
多智体协同框架是一种分布式的智能系统，其中每个智能体代表一个或一类专家，具备特定的知识和能力。在公共资源交易领域，这些智能体可以涵盖经济学、法学、管理学、信息技术等多个领域的专家。通过将这些智能体进行协同，可以实现对交易过程的全面分析和精准监管。
在创建公共资源专家多智体协同框架时，需要注重以下几点：
智能体的设计与实现：每个智能体应具备独立的知识库和推理引擎，能够根据自身的专业知识和经验进行决策和判断。同时，智能体之间应具备通信和协作能力，以便在需要时进行信息共享和协同工作。
框架的灵活性和可扩展性：公共资源交易领域涉及的业务场景和需求多样且不断变化。因此，多智体协同框架应具备灵活性和可扩展性，以适应不同场景和需求的变化。这可以通过采用模块化设计、支持动态加载和卸载智能体等方式实现。
交易过程的透明性：通过多智体协同框架，可以实现对交易过程的全面监控和记录。这包括交易信息的发布、报名审核、竞价拍卖、合同签订等各个环节。通过将这些环节的数据进行实时采集和分析，可以确保交易过程的透明性和可追溯性。
交易监管的可控性：多智体协同框架还可以为交易监管提供有力的支持。通过设定监管规则和阈值，可以实现对交易活动的实时监控和预警。当发现异常情况时，框架可以自动触发相应的监管措施，确保交易活动的合规性和安全性。
用户友好性和易用性：为了方便用户使用和理解多智体协同框架，需要设计简洁直观的用户界面和易用的操作方式。同时，还需要提供详细的用户手册和培训材料，帮助用户快速掌握框架的使用方法和技巧。
通过创建公共资源专家多智体协同框架，可以实现交易过程和交易监管的透明可控。这不仅有助于提高决策效率和监管效能，还能够增强公众对公共资源交易的信任度和满意度。同时，这也为公共资源交易领域的智能化和可持续发展奠定了坚实的基础。
4.2.6.行业合作推出公共资源交易人工智能测评数据集，对大模型在公共资源交易领域可信应用程度进行充分评估。
随着人工智能技术在公共资源交易领域的广泛应用，对其可信度和准确性的评估变得尤为重要。为了全面、客观地评价大模型在公共资源交易领域的表现，行业合作推出公共资源交易人工智能测评数据集显得尤为关键。
这一测评数据集应涵盖公共资源交易领域的各个方面，包括但不限于交易流程、交易规则、交易数据等。通过收集、整理和分析这些数据，我们可以构建一个全面、具有代表性的测评数据集，为大模型的评估提供坚实的基础。
在推出测评数据集的过程中，行业合作发挥着举足轻重的作用。各相关企业、机构和研究团队应携手合作，共同制定数据集的标准和规范，确保数据的准确性和一致性。同时，通过共享数据和经验，可以促进技术的交流和进步，推动公共资源交易领域的智能化发展。
利用测评数据集，我们可以对大模型在公共资源交易领域的可信应用程度进行充分评估。这包括模型的准确性、稳定性、可解释性等多个方面。通过对比不同模型在测评数据集上的表现，我们可以客观地评价它们的优缺点，为实际应用提供有益的参考。
此外，测评数据集还可以用于模型的优化和改进。通过分析模型在测评数据集上的表现，我们可以发现模型存在的问题和不足，进而针对性地进行优化和改进。这不仅可以提高模型的性能和准确性，还可以增强其在实际应用中的可信度和可靠性。
综上所述，行业合作推出公共资源交易人工智能测评数据集对于评估大模型在公共资源交易领域的可信应用程度具有重要意义。通过构建全面、具有代表性的测评数据集，并加强行业合作和技术交流，我们可以推动公共资源交易领域的智能化发展，为实际应用提供有益的参考和指导。
5、结论与展望
5.1、结论
本文立足于深圳交易集团在公共资源交易领域的丰富实践，系统探讨了AI大模型在该领域的应用现状、挑战及未来路径。通过深入分析，我们得出以下结论：
AI大模型应用潜力巨大：AI大模型以其强大的数据处理和模式识别能力，在公共资源交易领域展现出显著的应用成效，如智能客服、智能营销、智能搜索等通用场景，以及金融、政务、电商等行业场景的深度应用。
数据管理是基础：高质量的数据供给是AI大模型在公共资源交易领域实现可信应用的关键。当前，数据管理仍处于早期阶段，行业规范不健全，数据质量参差不齐，成为制约AI大模型应用的主要瓶颈。
面临多重挑战：在推动AI大模型在公共资源交易领域的应用过程中，我们面临着算力资源不足、数据质量不高、研发投入巨大、数据安全风险、监管难度增加等多重挑战。
路径明确，需多方努力：为了克服上述挑战，我们需要从加强数据供给、构建跨领域知识库、应用RAG技术提升内容真实可控性、应用SOP增强推理过程、创建专家多智体协同框架、推出测评数据集等多方面入手，同时加强行业合作与技术交流，共同推动AI大模型在公共资源交易领域的可信应用。
5.2、展望
展望未来，随着技术的不断进步和应用的不断深入，AI大模型在公共资源交易领域的应用前景将更加广阔。我们期待：
数据管理水平显著提升：通过加强数据治理和数据共享，构建完善的数据资源体系，为AI大模型的应用提供坚实的数据基础。
AI大模型技术不断创新：随着算法的不断优化和算力的持续提升，AI大模型的处理能力和应用效果将得到显著提升，为公共资源交易提供更加精准、高效的决策支持。
行业规范逐步完善：随着行业实践的不断深入和经验的不断积累，相关法规和标准将逐步完善，为AI大模型在公共资源交易领域的应用提供更加有力的制度保障。
应用场景不断丰富：随着技术的不断成熟和应用的不断拓展，AI大模型将在公共资源交易领域涌现出更多创新应用场景，为行业的高质量发展注入新的活力。
总之，加强数据管理、推动AI大模型在公共资源交易领域的可信应用是一项系统工程，需要政府、企业、科研机构等多方共同努力。我们相信，在不久的将来，AI大模型将在公共资源交易领域发挥更加重要的作用，为构建更加公平、高效、透明的公共资源交易体系贡献力量。
参考文献：
[1] 李明, 王华. 人工智能在公共资源交易中的应用与挑战[J]. 中国政府采购, 2023, (5): 45-49.
[2] 张伟, 赵丽. 大数据时代公共资源交易的数据治理[J]. 电子政务, 2022, (12): 34-38.
[3] 刘强, 陈晓. AI大模型的发展现状与未来趋势[J]. 计算机科学, 2023, 40(3): 1-10.
[4] 王晓燕, 李晓峰. 公共资源交易领域的数字化转型研究[J]. 经济体制改革, 2021, (6): 123-128.
[5] 杨帆, 马超. 基于RAG技术的AI内容生成模型研究[J]. 信息技术与网络安全, 2023, 42(3): 47-53.
[6] 郑辉, 刘涛. SOP在复杂决策支持系统中的应用[J]. 系统工程理论与实践, 2022, 42(1): 187-196.
[7] 陈浩, 李娜. 多智体系统在公共资源交易监管中的应用探索[J]. 管理现代化, 2023, (2): 112-116.
[8] 赵雷, 王强. 人工智能测评数据集构建方法研究[J]. 计算机工程与应用, 2023, 59(7): 1-8.
[9] 国家发展和改革委员会. 全国公共资源交易平台系统数据规范（2.0）[S]. 北京: 国家发展和改革委员会, 2018.
[10] 深圳交易集团有限公司. 公共资源交易数字化转型实践报告[R]. 深圳: 深圳交易集团有限公司, 2023.
作者简介：
廖开德，目前就职于深圳交易集团有限公司市场与数据管理部，担任交易大数据产品岗高级主管。拥有多年政府信息化平台建设经验，作为主要负责人参与过广东省公共资源交易平台（粤公平）、珠三角航运综合信息服务平台、广州航运交易平台、深圳交易集团数据管理项目等建设，通过了CDGP、信息系统项目管理师、PMP等职业资格认证。
何宛仪，目前就职于深圳交易集团有限公司市场与数据管理部，担任市场推广岗副经理。拥有多年业务推广和客户管理经验，前期作为华为客户经理参与多个华为ICT建设拓展项目，通过了DAMA CDGA认证。