大模型驱动的科技政策法规问答系统研究

科技政策法规问答系统(Q&A)在帮助公众理解和应用科技法规方面发挥关键作用。大语言模型(LLM)可以显著提升科技政策法规问答系统的准确性和效率。然而,基于大语言模型的科技政策法规问答系统仍然存在以下问题:缺乏大规模高质量的科技政策法规问答数据集,且现有自动构建大规模数据集的方法在引用和整合政策法规知识方面存在不足;问答系统在处理科技政策法规问题时,专业性、准确性不足且模型知识更新滞后。为解决这些问题,提出了一种检索增强自提示的问答数据集构建方法,并构建了一个大规模高质量的科技政策法规问答数据集;同时,构建了科技政策法规问答系统,该系统结合了经过低秩自适应(LoRA)微调技术优化的大语言模型与科技政策法规知识库,并运用提示学习技术,来引导系统生成准确的答案。实验结果显示,构建的问答数据集在引用和整合科技政策法规知识方面,比传统方法构建的问答数据集有显著提升;相较于通用大语言模型驱动的问答系统,该问答系统在各项指标上也有明显提高。

基于智能建造的结构施工阶段劳动力资源动态控制研究

我国建筑业是一个信息化水平低、劳动密集型的行业,针对建设工程项目劳动力资源短缺的问题,以动态控制理论为基础,通过BIM模型集成WBS精细化的施工任务、工程量、流水段等信息;使用数据采集App、智能闸机、劳务管理系统、视频监控等智能建造手段提高施工信息采集的效率和准确性;将BIM模型工程量信息、现场采集的施工进度和劳动力信息导入VICO分析平台,精确计算劳务人员的工效,对比里程碑节点的实际情况,提出预警并给出科学的劳动力资源优化建议,为工程实现动态控制提供了科学依据。

基于Expectimax搜索与Double DQN的非完备信息博弈算法

麻将作为典型的非完备信息博弈游戏主要通过传统Expectimax搜索算法实现,其剪枝策略与估值函数基于人工先验知识设计,存在假设不合理等问题。提出一种结合Expectimax搜索与Double DQN强化学习算法的非完备信息博弈算法。在Expectimax搜索树扩展过程中,采用Double DQN输出的估值设计估值函数并在限定搜索层数内获得分支估值,同时设计剪枝策略对打牌动作进行排序与部分扩展实现搜索树剪枝。在Double DQN模型训练过程中,将麻将信息编码为特征数据输入神经网络获得估值,使用Expectimax搜索算法得到最优动作以改进探索策略。实验结果表明,与Expectimax搜索算法、Double DQN算法等监督学习算法相比,该算法在麻将游戏上胜率与得分更高,具有更优异的博弈性能。

EPC总承包工程全过程管理中BIM技术的应用研究

EPC工程总承包模式将成为建筑市场主流,BIM为工程管理的一种新型信息化、数字化技术,探索BIM技术在EPC总承包工程全过程管理中的应用是总承包企业重要课题。首先总结了传统EPC工程全生命周期管理中存在的问题,然后以北京城市副中心二期EPC项目为依托,研究BIM技术在该EPC项目全生命周期中的应用,为后续EPC项目智能建造提供参考意义。

基于向量空间模型的文本相似度计算方法

文本的向量空间模型是把文本量化为空间里的向量,文本相似度的计算即对向量相似性的计算。本文通过分析传统的基于向量空间模型(VSM)文本相似度计算算法存在的不足,提出一种改进的文本相似度计算算法。改进算法充分考虑到了文本间向量空间模型相似度比较忽略了文本长度的缺点,引入文本长度参数,并在基于互信息的特征词抽取时考虑词频的因素对文本相似度的影响,有效减少了相似度低的文本干扰。实验结果验证了改进算法的有效性和准确性。

审计服务政府采购问题与建议

最近几年，审计服务越来越多地被有关政府部门纳入政府集中采购的项目之中，尤以国资委与财政部门以公开招标或邀请招标的方式集中选聘会计师事务所最为常见。为促进这一工作的顺利开展，有的部门制定了相应的规范，如河北省国资委就印发了《省国资委选聘会计师事务所暂行办法》；甚至有的则直接委托给政府采购中心集中办理。

施工单位主导的EPC工程中设计优化作用及管理研究

论述了设计优化在项目实施各阶段中的引领作用,分析了设计优化在施工单位主导的EPC工程中实施现状,针对现状问题提出了设计优化组织架构、设计优化策划重点以及设计优化流程建议,阐述了设计优化在二期工程中的实施情况。

EPC总承包工程施工单位设计管理现状及策略研究

EPC工程总承包模式将成为建筑市场的主流。北京城市副中心二期项目采用EPC工程总承包模式。该模式对不具备设计能力的施工总承包单位提出了挑战,如何进行设计管理为项目增效是施工单位EPC管理的重、难点。对EPC总承包模式下施工单位的设计管理现状问题进行了分析,针对现状问题,提出了三级组织架构、设计激励等设计管理策略,结合二期工程阐述了工程案例中的应用。其研究成果可为类似工程借鉴。

基于Hadoop的二分K均值改进算法

传统的二分K均值算法在二分过程中采用随机选择的方式选择聚类质心,为了选择到理想的质心,需要重复选择多次,这种方式的时间代价比较大。为此,本文提出采用极大距离点作为质心的方式,有效的降低了时间复杂度,同时运用点抽样的方法避免离群点带来的影响。同时,考虑到随着时代的发展,我们面临的数据量会越来越大,本文提出了一种基于Hadoop分布式平台的并行二分K均值算法,实验表明,该并行算法能够获得较为理想的加速比。

基于AMR的Adaboost-SVM的车型分类方法

近年来,越来越多的汽车导致不同类型的交通问题增多,智能交通系统(ITS)变得越来越重要。本文提出了一种新的基于AMR的车辆分类方法。首先使用状态机来检测车辆是否存在,然后使用Adaboost-SVM算法进行更准确地分类。实验表明,Adaboost-SVM算法可以提高现有的分类准确率,约为3%至11%,同时可避免经典SVM算法的过度拟合问题。