丰、王婷、王宁、郑诗昊、石子豪、姬海南、陈尧、薛娇、张宜梅、张龙、刘凤月、姜帆、于希光、张 睿智、栾培培、戴鸿轶、王栋梁、张宝玉、李宗倍、秦祎晗、宋建平、徐祯琦、邰成刚、宋汝良、余雷、 熊欢、夏耀东、韩旭、柯鑫、肖世达、孙腾中、刘灵娟、朱一飞、陈伟、傅鹏、邱泳钦、张英博、张亮、 高红、苏志伟、苑辰、谷颖慧、王岭钢、任俊龙、刘增志、赵少博、颜峻、苏洋、张璟、肖敏、肖霖、 陈利明、马俊国、周建华、钟 第1部分：通用要求 GB/T 45288.3—2025 人工智能 大模型 第3部分：服务能力成熟度评估 3 术语和定义 3.1 模型优化 model optimization 提升模型执行速度，泛化能力，或改善利益相关方所关心的其他特性的方法。 [来源：GB/T 41867—2022，3.2.19] 3.2 强化学习 reinforcement learning；RL 一种通过与环节交互 大模型 large-scale model 大规模深度学习模型 large-scale deep learning model 基于大量数据训练得到,具有复杂计算架构,能处理复杂任务,且具备一定泛化性的深度学习模型。 注：大模型的参数有其功能和模态决定，一般不低于1亿规模。大模型训练使用的数据总量受参数 量的影响，达到收敛的大模型的参数量的对数与其训练数据总量的对数成正比。 [来源：GB/T

也声称在自主研发航天器使用的专属人工智能模型。专属 大模型由政府主导进行训练开发，所有环节均由政府进行把控，符合 安全合规要求。但同时，可能带来较高的开发成本，专属数据的训练 也可能使大模型涌现能力和泛化能力不足，智能化程度有一定折扣。 总的来看，采用哪种部署方式与国情政策、文化背景、技术实力、 部署成本等密切相关。以日本为例，两方面因素推动其采取订阅付费 模式。一是新冠疫情暴露出日本数字社会建设水平低的严峻问题，倒 评估和授权才可以使用 AIGC 工具。西雅图市要求，所有软件服务必 须经过政府采购流程，以确保软件服务经过必要的审查，员工使用生 成式 AI 服务，必须提交软件服务中心购买需求，获得部门批准。东 京都政府要求职员通过 Microsoft 的“Azure OpenAI”服务来使用 ChatGPT，并要求服务器停止处理个人数据，以此来降低系统导致的 数据泄露的风险。 使用行为方面，大部分国家和地区都详细列示了公务人员使用 是 3 达观数据 曹植 上海 公文写作 4 科大讯飞 星火 安徽合肥 政府办公、政务服务、智慧司法 是 5 商汤科技 商量 上海 政府办公、公文写作 是 6 中国科学院自动化研究所 紫东·太初 北京 智慧司法 是 7 阿里云 通义千问 浙江杭州 城市管理、政务服务 是 8 华为 盘古 广东深圳 智慧城市、政务服务、政府办公、决策辅助 是 9 智源人工智能研究院 悟道·天鹰

两种算法都属于分组算法，密钥长度均为 128 位，算法安全保密强 度及相关软硬件实现性能与 AES 相当，其中 SM1 算法不公开，仅以 IP 核的形式存在于芯片中，在市场上来看，SM4 比 SM1 使用更加广 泛。国产摘要算法是 SM3，SM3 主要用于数字签名及验证、消息认证码 生成及验证、随机数生成等，其算法公开。其安全性及效率与 SHA- 256 相当。 非对称算法可以用于身份认证、数字签名、安全密钥交换、数据加 国密局认可，密钥在中 心端产生，不符合数字 签名法相关要求。 基于上述对国密算法技术路线的综合分析和考虑，本次国密算法改 造将选择 SM2/3/4 算法体系，配套使用公钥基础设施 PKI，并建设东 山省高速****单位办公网电子认证基础设施，签发国密 SM2 算法数 字证书，通过数字证书将用户、设备身份与公钥进行关联绑定，将 数字证书作为网络上唯一的身份凭证，并以 SSL/TLS、数字签名技术

各业务部门制定明确的各类数据标准及数据 质量管理要求，将相关标准及要求固化到数 据源头系统中。 ２ . 数据质量问题收集、分析及解决方案制 定：由业务部门对现有数据质量问题进行广 泛收集与分析，并由大风局配合业务部门将 数据质量问题分类，明确实际质量问题。 3 ．数据质量提升方案执行：大风局协同业 务部门和征科针对不同数据质量问题的解决 方法制定详细解决方案，并共同落实执行相 湖南益阳 浙江嘉兴 国网总部 国网北京电力 国网天津电力 国网上海电力 国网重庆电力 国网河北电力 国网山西电力 国网河南电力 国网江西电力 国网四川电力 国网吉林电力 国网蒙东电力 国网陕西电力 国网甘肃电力 国网宁夏电力 国网新疆电力 丰富的多行业实践，如：政府、电力，金融、教育、医疗、运营商等 政府 电力 金融 教育 / 医 疗 运营商 国家税务总局

各业务部门制定明确的各类数据标准及数据 质量管理要求，将相关标准及要求固化到数 据源 头 系统中。 2 . 数据质量问题收集、分析及解决方案制 定： 由业务部门对现有数据质量问题进行广 泛收集与分析，并由大风局配合业务部门将 数据质量问题分类，明确实际质量问题。 3 ．数据质量提升方案执行： 大风局协同业 务部门和征科针对不同数据质量问题的解决 方法制定详细解决方案，并共同落实执行相 国网重庆电力 国网河北电力 国网山西电力 国网河南电力 国网江西电力 国网四川电力 国网吉林电力 国网蒙东电力 国网陕西电力 国网甘肃电力 国网宁夏电力 国网新疆电力 云中苏大 西安电子科技大学 国家卫健委 国家医疗保障局 郑州大学第一附属 医院

调研相关部门组织架构，收集监管 平台功能搭建所需资料。 平台快速部署 2 周 东软以高效、快速、准确的部署方 式，尽快实现监管平台的落地。 相关人员产品使用 培训 2 周 东软会对监管平台用户进行功能使 用方面的培训，并提供优质的售后 服务，随时随地解决用户在使用方 面出现的问题。 项目迭代 6 个月以内，视 具体反馈进行迭 代 项目在使用过程中，东软会根据使 用反馈进行产品相关迭代升级。 软件集成与交付体系 软件集成与交付体系 出色的硬件选型能力： 对每款设备进行深度测试，熟悉每款设备特点，可以为项目选型提供有效建议 与硬件厂商保持良好互动： 设备厂商自主对接东软公开接口 设备厂商新品研发会征求东软的需求意见 设备厂商未上市新品会优先提供东软测试 优质稳定的弱电施工服务队伍： 在全国主要城市均有入围弱电服务商，施工范围覆盖全国 有健全的弱电施工服务商评价和管理体系，保证项目现场硬件安装施工水平

党建平台市场定价 1. 党建平台政策背景 2. 党建平台市场需求 3. 党建平台产品介绍 市场竞争对手情况 竞争对手情况  移动：党建云平 台（月租型为 主）  腾讯（党建微信） 东软集团  烽火通信（悠趣）  CEC 中国电子（党建云）  深圳银澎（好视通智慧党建平台） （主推远程会议）  远光软件（智慧党建平台） （注重 APP 的开发）  山东福生佳信（灯塔 - 党建在线）

党建平台市场定价 1. 党建平台政策背景 2. 党建平台市场需求 3. 党建平台产品介绍 市场竞争对手情况 竞争对手情况  移动：党建云平 台（月租型为 主）  腾讯（党建微信） 东软集团  烽火通信（悠趣）  CEC 中国电子（党建云）  深圳银澎（好视通智慧党建平台） （主推远程会议）  远光软件（智慧党建平台） （注重 APP 的开发）  山东福生佳信（灯塔 - 党建在线）

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： 2020 年 ， OpenAI 公司推出了 GPT-3 ，模型参数规模达到了 1750 亿 2023 训练数据量大 计算资源需求高 参数数量庞大 大模型的设计和训练旨在提供更强大、 更准确的模型性能 ， 以应对更复杂、 更庞大的数据集或任务。 大模型通常能够学习 到 更细微的模式和规律 ，具有更强的泛化能力和表达能力 学习能力强 大模型可以从大量的数据中学习， 并利用学到的知识和模式来提供 更精准的答案和预测 。这使得它 们在解决复杂问题和应对新的 场 景时表现更加出色 的大模型 。 它们利用大算力、使 用 海量的开放数据与具有巨量参 数的 深度学习算法，在大规模无 标注数 据上进行训练， 以寻找特 征并发现 规律 ，进而形成可“举一 反三” 的强 大泛化能力 ，可在不 进行微调或少 量微调的情况下完 成多场景任务 ， 相当于 AI 完成 了“通识教育” 行业大模型 L1 是指那些针对特定行业或领域的大 模型 。 它们通常使用行业相关的

据源的 重要性自动调整其影响力，从而提升整体分析的准确性。此 外，DeepSeek 还采用了多任务学习框架，通过同时优化多个相关 任务（如事件分类、时间预测、区域定位等），进一步提升模型的 泛化能力。 为了确保模型的高效运行，DeepSeek 采用了分布式计算架 构，支持大规模数据的并行处理。例如，在城市治理场景中，模型 可以在短时间内同时分析数千个摄像头采集的视频数据，从而快速 在模型训练过程中，采用分布式训练框架（如 TensorFlow 或 PyTorch）以加速训练速度。考虑到政务数据的复杂性，可以选择 多任务学习方式，使模型在处理不同类型事件时能够共享底层特征 表示，从而提高泛化能力。训练过程中，使用交叉验证来评估模型 的性能，并根据验证结果调整超参数，如学习率、批量大小等。为 了防止过拟合，可以引入正则化技术，如 L2 正则化或 Dropout， 并结合早停法（Early 的方法包括均 值填补、插值法等。 为了提升模型的训练效果，数据增强技术也可以应用于训练数 据准备阶段。数据增强技术可以通过对已有数据进行变换，生成新 的训练样本，从而增加数据的多样性和模型的泛化能力。例如，对 于图像数据，可以通过旋转、缩放、裁剪等方式生成新的图像样 本；对于文本数据，可以通过同义词替换、句型转换等方式生成新 的文本样本。 在数据准备过程中，还需要注意数据的标注问题。标注数据是