2025 年辽宁省乡村振兴政策汇编 中共辽宁省委农村工作领导小组办公室 辽宁省农业农村厅 2025 年 7 月 目 录 第一部分 重要农产品保供··········································· 1 第二部分 巩固脱贫攻坚成果·······································20 第三部分 农业农村产业发展······· 要求，为鼓励大豆生产，进一步调高大豆补贴标准，大豆每亩补 贴标准比玉米高 350—400 元，具体额度由各市确定。将玉米大 豆带状复合种植（间作）纳入补贴范围。2025 年全省玉米平均 测算补贴标准 67 元/亩、大豆 453 元/亩。 （4）实施期限：2016 年至今，每年为一个项目周期。 - 2 - （5）执行单位：省农业农村厅、省财政厅。 2.稻谷生产者补贴 （1）政策依据：《财政部 国家发展改革委 农业农村部关于 基期年份产 量和上年全省水稻实际补贴面积测算补贴标准。2025 年全省水 稻平均测算补贴标准为 92 元/亩。 （4）实施期限：2018 年至今，每年为一个项目周期。 （5）执行单位：省农业农村厅、省财政厅。 二、耕地保护与质量提升类 3.耕地地力保护补贴 （1）政策依据：《关于全面推开农业“三项补贴”改革工作 的通知》（财农〔2016〕26 号）、《财政部办公厅、农业农村部办

—3— 山东省水泥行业超低排放改造提升方案 为全面落实《关于推进实施水泥行业超低排放的意见》和《水 泥企业超低排放评估监测技术指南》要求，结合我省工作实际， 制定本方案。 一、工作目标 推动水泥熟料生产企业（含矿山）和独立粉磨站（含生产特 种水泥、协同处置固废的水泥企业）超低排放改造提升。到 2025 年年底前，力争全省 50%的水泥熟料产能完成改造；到 2028 年 年底前，重 协调推进铁路专用线建设，自然资源等部门负责绿色矿山监督管 理，税务部门负责落实有关税收优惠政策。各市生态环境部门要 做好监督、管理和服务工作，建立水泥行业超低排放改造提升管 理台账，并于每季度首月 10 日前报送省生态环境厅。 （二）强化企业主体责任。水泥企业作为实施超低排放改造 的责任主体，按照本方案要求和各市的计划安排，完善超低排放 改造方案，确保按期完成改造任务，并及时依法变更或重新申请 排污许可

江苏省 智慧工地建设与实践 CONTENTS 01 智慧工地建设现状 02 智慧工地建设成果 03 智慧工地实践分析 智慧工地发展趋势 01 建设现状 省份 文件 重庆市 印发“智慧工地”建设工作方案的通知（渝建 〔 2016 〕 505 号） 湖北省 宜昌市住建委关于申报建设行业智慧工地的 通知 ( 宜市住建函〔 2018 〕 80 号 ) 陕西省 《汉中市住房和城乡建设局关于推进智慧工 地监管系统平台建设的通知》（汉住建发 〔 2019 〕 120 号） 浙江省 关于加快推进全省“智慧工地”建设的通知（浙 建 质安发 [2019]208 号） 四川省 成都市住房和城乡建设局关于开展智慧工地 建设工作的通知 贵州省 《贵州省房屋市政工程智慧工地数字监管服 务平台建设工作方案》的通知 务平台建设工作方案》的通知 ( 黔建建字 〔 2020 〕 76 号 ) 河北省 邯郸市建设局关于开展智慧工地建设工作的 通知（邯建信〔 2020 〕 154 号） 安徽省 关于开展“智慧工地”建设工作的通知（马住建 函 〔 2020 〕 179 号） 江西省 关于印发《南昌市建设工程“智慧工地”管理实 施 意见（试行） 》的通知（荣建委发〔 2020

项目编号： 某企业级省大数据平台工程项目 建 设 方 案 目录 1. 建设现状及演讲建议..........................................................................................................5 1.1 建设背景及发展思路........................... ..................637 1. 建设现状及演讲建议 1.1 建设背景及发展思路 1.1.1 建设背景 21 世纪是数据信息大发展的时代，移动互联、社交网络、电子商务等极 大拓展了互联网的边界和应用范围，各种数据正在迅速膨胀并变大。 大数据被称为新时代的黄金和石油，相关技术发展迅猛，所应用的行业也 非常广泛，从传统行业如医疗、教育、金融、旅游，到新兴产业如电商、计算 障国家安全方面的重大意义。2014 年美国白宫发布了 2014 年全球“大数据”白 皮书的研究报告《大数据：抓住机遇、守护价值》。国务院在日前印发的《促 进大数据发展行动纲要》中，明确要求“深化大数据在各行业创新应用，促进大 数据产业健康发展，培育高端智能、新兴繁荣的产业发展新生态”。 互联网（社交、搜索、电商）、移动互联网（微博）、物联网（传感器， 智慧地球）、车联网、GPS、医学影像、安全监控、金融（银行、股市、保

需求 41:项目采购需求 本项目为非面向中小企业预留项目。 1. 项目概况 1.1. 基本信息 1.1.1. 项目名称 广东省公路服务区管理系统升级及运维（2021 年）项目 1.1.2. 采购人 广东省公路事务中心 1.1.3. 用户单位 省公路事务中心、各级交通部门(含承担具体工作的公路局)、各路段 管养单位(含公路各级业主单位、路段管理公路、路政大队)、服务设施各 经 务运行维护的质量，节约资金，精简人员，提高服务效率与效能。以用户 为中心，以流程为导向，发现问题、转变服务、改进服务水平和效率，提 高满意度。 按照省交通运输厅对服务区管理及服务区公众服务的要求，结合 2017 年起建设的广东省服务区管理系统项目的基础上，完成系统等保测评二级 备案，满足系统使用信息安全需求；完善服务区智能监管功能，实现服务 区服务质量明察暗访信息化管理，加强政府部门对服务区服务质量监管力 大桥、广珠段、广珠北段、南环段、广珠西线、江中、江罗、路达、汕湛、 广贺、广韶、广佛肇、二广、宁华、天汕、粤肇、云梧、韶赣、江肇、广 中江、新阳、阳化、化湛、龙连、潮漳、揭惠、仁新、新博、英怀、连英、 3 大广、深高速、平兴、北二环、佛开、西部沿海、常虎、广州市高速、惠 莞、东御营运、广三、佛山市高速、西二环、广佛高速、北环高速、广交 投、江珠、博大、沿江高速、广河共 69 个路段对接服务区视频数据；对

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

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

ICS 35.240.99 CCS L67 团 体 标 准 T/ISC 0079—2025 政务大模型通用技术与应用支撑能力要求 General Technical and Application Support Capability Requirements for Government Large Models 在提交反馈意见时，请将您知道的相关专利与支持性文件一并附上。 发布稿 ...... I 引 言 .............................................................................. II 政务大模型通用技术与应用支撑能力要求 ................................................... 1 1 范围 ........................ learning；RL ............................................ 1 3.3 大模型 large-scale model ....................................................... 1 3.4 大模型服务 large-scale model service ..........................