基于大语言模型的AI Agent架构 及金融行业实践 周健 2024.8.17 企业数智化发展趋势 商业化成熟度 时间 2022.1 1 2023.2 2023.8 2023.5 Llama3 GPT 4o GPT4 GPT4 GPT 3.5 Sora Gemini 2023.1 1 2024.2 闭源模型（文本） 开源模型（文本） 多模态模型 实时模型 Llama2 Claude 3 GPT 4o 2024.5 Qwen2 Qwen Qwen VL 大模型的发展趋势：文本、多模态、实时，开源、闭源，商业化成熟度 模型的智能化水平与使用成本的演进趋势 • 数据作为 信息媒介 • 信息获取效率 提升 信 息（感 知）系 统 • 将数据转化成 知识表达 • 大模型带来 推理能力 提升 ？ • 数据与 真实环境交互 • 具备 任务拆解与实现 能力 Agent：基于大语言模型的自治智能体 从人机协同模式角度 从Agent组成结构角度 p 初级形态：把AI嵌入到人的工作中 p 中级形态：AI作为人的辅助工具 p 高级形态：AI作为主要工具，Agent对人 的依赖性在降低，且越来越像真人。人 的大部分用于繁琐日常工作的技能被AI取 代，而人机协同又让个体以前90%的弱技 能被瞬间强化 p Agent具备角色识别，规划及任务拆 解、记忆及知识沉淀、工具/技能使

从 DeepSeek 探讨大语言模型 在建筑及能源行业的应用趋势和技术方法 汇报人：赵阳 浙江大学能源学院制冷与低温研究所 2025.2.14 报 告 提 纲 临近奇点： AGI 将带来颠 覆 结论和展望 DeepSeek 等带来的新范 式 大语言模型应用的科研案例 能源领域传统 Al 发展困 境 当下 Al 到了哪种程 度 John J.Hopfield 9/80 口核心意义：打破 AI 垄断，带来 AI 平权，尤其是中文 Al 普惠，激发大众创造力 多 源 数 据 深 度 挖 掘 融合建筑领域各类数据，联动设备 运行指标 、能耗信息及环境监测， 实现精细用户画像，助力科学调度 与资源配置 智 能 故 障 识 别 与 诊 断 结合人工智能算法，自动提 取设备 特 征 ，识别潜在异常，构建以专家 经验为核心的诊断体系，为故障根 测、碳排溯源与节能优化的闭环 辅 助 决 策 与 趋 势 预 测 大模型驱动的数据预测能够提 前预 警 潜在风险，为决策层提 供精准、科学 的策略参考，助力管理优化 人 机 智 能 协 同 互 动 通过大模型驱动对话，实现业务咨询反 馈的迅捷与精准，员工能够自动检索和 获取相关业务知识 自 动 化 报 告 编 制 实现巡检报告 、能耗 评估及故障追 踪报告 的自动 撰写和智能校验，提

项目编号： AI 知识库数据处理及 AI 大模型训练 设 计 方 案 目 录 1. 项目概述.......................................................................................................7 1.1 项目背景............................. 项目团队及职责分工...........................................................................14 2. 知识库数据处理方案..................................................................................15 2.1 数据来源及采集... 外部数据来源.............................................................................21 2.1.3 数据采集工具及方法..................................................................23 2.2 数据清洗与预处理................

智启未来 · 险见新机 —— 人保寿险大模型探索及实践 中国人民人寿保险股份有限公司 呼群 01 公司简介 02 大模型 技术探索 大模型 实践应用 目 录 03 2 保险、年金保险、健康保险、意外伤害保险等保险业务及其再保险业务。公司总部设在北京 ，机构网点布局完善， 在全国 31 个省、 自治区、直辖市和 5 个计划单列市设立 36 个省级分公司。 下拥 下拥有人保财险、人保寿险、人保资产、人保健康、 中诚信托、人保养老、人保投控、人保资本、人保再保、人 保 科技、人保香港等 11 家子公司及成员公司 ，业务范围覆盖财产险、人身险、再保险、资产管理、保险科技等 领域。 简称“ 中国人保” ，成立于 1949 年 10 月 20 日 , 为综合性保险金融集团 ，连续 15 年入选《财富》世界 500 强 ，旗 简称“人保寿险” ，成立于 2005 年 网点机构 ，覆盖全国城 乡 公司简介 3 01 公司简介 02 大模型 技术探索 大模型 实践应用 目 录 03 4 人工智能发展历程 5 规模到达临界点之后才会迅速增长 GPT-4 模型参数： 1.8 万亿参数 典型的新技能学习曲线 摘自北京大学 AI 肖睿团队团队作品 大模型参数变化三个阶段 摘自复旦大学大数据教学团队作品 智慧涌现的关键 6

税务行业标准大模型 基本情况 当下，人工智能正在成为全球数字技术创新的前沿领域。大模型 作为工业革命级的生产力工具，正在成为赋能百行千业向数智化跨越 升级的变革力量。为进一步落实数字化国家战略，推进产业数字化进 程，深度挖掘细分应用领域，打造具有差异化的企业级 AI 大模型，360 集团与中税集团合作共建了税务行业标准大模型，该模型旨在于解决 税务行业性、专业性问题。 税务行业标准大模型在人机交互、复杂内容和语言理解等方面， 具有强大的分析和学习能力，可以精准获取有效税务信息，高效处理 日常重复业务，在提高税收管理效率的同时，可以降低税收管理成本。 此外，大模型训练语料库涵盖了巨大的专业数据，其中包含中税 集团多年累积的超百万法规库、千万量级的案例判例、几万本税务电 子书，以及专家知识及实操案例等。 目前，税务行业标准大模型成为了税务这一垂直行业领域大模型 领域大模型 的典型应用，并在注册税务师考试中的成绩已经超越了 ChatGPT。凭 借其创新技术与应用表现，入选“北京市通用人工智能大模型行业应 用十大典型场景案例”。 技术简介 一、税务行业标准大模型的技术优势 2023 年以来，360 集团发布了自研认知型通用人工智能大模型— —360 智脑，成为引领企业级市场数智升级的重要驱动力。在应用方 面，360 集团与中

智能体应用现状挑战及建议 中国电子信息产业发展研究院 无线电管理研究所（未来产业研究中心） 二 O 二五年四月 ID CCID CCID CC ID CCID CCID CC CCID CCID CCID CCID CC ID CCID CCID CCID CCID 1 一、智能体概述 二、智能体发展现状 三、智能体发展动向与挑战 四、推动智能体发展的路径 智能体的发展对于深化人工智能研究、实现通用人工智能具有重要意义。 它为复杂任务提供了任务驱动的实验平台， 助力通用人工智能研究。 • 智能体技术不仅推动了其广泛应用， 也是大语言模型技术持续更新迭代的驱动力。 它扩展了大语言模型的任务能力， 提升了其稳定性和实用性， 帮助其实现产业落地。 • 智能体是产业升级的“催化剂”， 推动人工智能赋能新型工业化， 培育新模式新业态。 它催生了新型产业模式，打造了新的经济增长点。 自主学习、 多 模态 交互及任务执行等关键技术。 自主学习和适应 智能体能够通过增强学习和迁移学习等方法从过往经验中学习并调整决策制定和行动过程 ID CCID CCID CC ID CCID CCID CC CCID CCID CCID CCID CC 战 略 意 义 ID CCID CCID CCID CCID 一、智能体 概述 六 大 核 心 能 力 3

DeepSeek大模型及其企业应用实践 林子雨 副教授 厦门大学 DeepSeek 厦门大学大数据教学团队作品 2025年3月3日 每个人都可以读懂的大模型科普报告（企业篇） 厦门大学大数据教学团队 团队联系方式：ziyulin@xmu.edu.cn 国内高校大数据教学的重要贡献者 团队负责人：林子雨 副教授 年轻力量：核心成员全部46周岁以下 结构合理：教学型、科研型、实验工程师 1. 大模型：人工智能的前沿 2. 大模型产品 3. 大模型的行业应用 4. 企业大模型落地方案 5. 智能体的企业应用 6. 厂商提供的企业级大模型服务 7. 大模型典型应用案例 8. AIGC与企业应用实践 9. 大模型未来发展趋势 厦门大学大数据教学团队作品 1.大模型：人工智能的前沿 1.1 大模型的概念 1.2 大模型的发展历程 1.3 人工智能与大模型的关系 1.4 大模型分类 大模型分类 1.1 大模型的概念 大模型通常指的是大规模的人工智能模型，是一种基于深度学习技术，具有 海量参数、强大的学习能力和泛化能力，能够处理和生成多种类型数据的人 工智能模型。 通常说的大模型的“大”的特点体现在： 参数数量庞大 训练数据量大 计算资源需求高 2020年，OpenAI公司推出了GPT-3，模型参数规模达到了1750亿。 2023年3月发布的GPT-4的参数规模是GPT-3的10倍以上，达到1

张伟男 哈尔滨工业大学 计算机科学与技术学院 社会计算与信息检索研究中心 人机对话关键技术及挑战 本科生 对话理解与对话生成 对话主导 朱才海 冯梓娴 推荐主导 胡景雯 一致性 张家乐 张开颜 连贯性 个性化 多样性 朱庆福 马龙轩 宋皓宇 刘元兴 李凌志 多轮建模 朱泽圻 风格化 Conversational Intelligence (CI) 张伟男副教授 15 任务二结果排名（ 2019.07.15 ） 人机对话主要技术方向 特定域内输入和输出的空间有限 尽快完成任务结束对话 为了完成某项任务而达到某个目标 输入和输出空间无限大 尽可能延续对话 没有明确的对话目标 任务型对话（任务执行） （ Task-oriented Dialogue ） 开放域聊天（聊天） （ Open Domain Chatting ） VS 为了完成某项任务而达到某个目标 输入和输出空间无限大 尽可能延续对话 没有明确的对话目标 任务型对话（任务执行） （ Task-oriented Dialogue ） 典型应用：智能助手 18 对话状态跟踪 . . . 自然语言生成 . . . 开放域对话 ( 聊天 ) 系统构 成 隐式反馈跟踪 确认状态跟踪 澄清状态跟踪 词法、句法、语义分析 拒识回复 确认及澄清回复 多领域用户对话意图识别

基于大模型的具身智能系统综述 王文晟 1 谭 宁 1 黄 凯 1 张雨浓 1 郑伟诗 1 孙富春 2 摘 要 得益于近期具有世界知识的大规模预训练模型的迅速发展, 基于大模型的具身智能在各类任务中取得了良好的 效果, 展现出强大的泛化能力与在各领域内广阔的应用前景. 鉴于此, 对基于大模型的具身智能的工作进行了综述, 首先, 介绍大模型在具身智能系统中起到的感知与理解作用; 介绍大模型在具身智能系统中起到的感知与理解作用; 其次, 对大模型在具身智能中参与的需求级、任务级、规划级和动作 级的控制进行了较为全面的总结; 然后, 对不同具身智能系统架构进行介绍, 并总结了目前具身智能模型的数据来源, 包括 模拟器、模仿学习以及视频学习; 最后, 对基于大语言模型 (Large language model, LLM) 的具身智能系统面临的挑战与发 展方向进行讨论与总结. 关键词 大语言模型, 大型视觉模型 大型视觉模型, 基础模型, 具身智能, 机器人 引用格式 王文晟, 谭宁, 黄凯, 张雨浓, 郑伟诗, 孙富春. 基于大模型的具身智能系统综述. 自动化学报, 2025, 51(1): 1−19 DOI 10.16383/j.aas.c240542 CSTR 32138.14.j.aas.c240542 Embodied Intelligence Systems Based on