市区一体化:公安执法办案管理的模式创新——来自浙江省舟山市的实践样本

当前,传统公安执法办案管理中心一般是以区县为主的模式进行建设,但这一模式对于城区常住人口在100万至300万的Ⅱ型大城市和城区常住人口在50万至100万的设区的中等城市而言,往往难以统筹市区两级的主体责任,且容易出现警务资源浪费或多头重复建设等问题。为此,浙江省舟山市公安局积极探索实践,创新出一套“以市带区”“以区提质”的“市区一体化”公安执法办案管理模式。该模式以新建设的公安执法办案管理中心为载体,将舟山市区两级公安执法办案在空间和运行上实现了一体化。该模式系统回答了如何落地建设公安执法办案管理中心的系列问题,积极探索了市区两级公安执法办案中“侦”“办”有机融合的行动方案,丰富和完善了公安执法办案管理的制度体系,进一步拓展了公安执法规范化建设的具体内容,具有巨大的可推广价值。

大数据背景下人工智能“嵌入”公安执法办案的探索与展望

总结各地探索,执法办案人工智能在实践中的价值主要表现在:有利于"管理对象"向"服务对象"转变,有利于"事后监督"向"智能审核"转变,有利于"侦查为中心"向"审判为中心"转变。但其进一步发展仍面临着若干亟待解决的难题:"理念"问题--认识的偏差与固化;"燃料"问题--数据的来源与结构;"引擎"问题--算法的歧视与黑箱;"人才"问题--专业教育与人才的缺乏。当前不是人工智能要不要介入的问题,而是如何介入、介入程度、融合程度的问题。应在总体定位、主要功能、建构要素等多方面发力,全面推进大数据背景下人工智能"嵌入"公安执法办案进程。

基于大语言模型的公安专业小样本知识抽取方法研究

当前公安业务工作信息化、数字化飞速发展,在公安工作中产生了大量执法办案数据,但是其文本种类较多、信息量较大,导致一线民警在阅卷工作中常面临阅读效率低、信息难以聚合等问题。为更进一步利用执法办案文本,需要对其进行智能分析、知识抽取,但受限于公安专业执法办案文本的专业性、数据敏感性、保密性,以及公安数据出网要求等,仅能获取到少量学习训练样本,使用传统的深度学习模型抽取效果不尽如人意。因此提出使用较少资源和数据构建垂直领域大语言模型,实现模型对公安专业适配的方法,利用知识编辑技术MEMIT、低资源微调技术LoRA、提示模板,提高模型对警务术语、警务常识等公安知识的理解能力。为进一步提高模型的知识抽取效果,设计小样本执法办案文本数据抽取流程,以更好结合模型中的相关案别专业知识。实验结果表明,融合抽取流程的公安专业垂直领域大语言模型在各类知识抽取任务中准确率较之传统方法显著提高,有助于帮助一线民警快速、客观、准确分析执法办案文本,挖掘案件潜在信息,支撑公安工作智能化发展。