学 社 会 科 学 规 划 项 目 （GD24XGL075）资助 *通信作者简介 黄欢（1976— ）, 男, 湖南常德人, 硕士, 助理研究员。 基于大语言模型技术的智慧应急应用： 知识管理与应急大脑 龚 晶 1 黄 欢 2，* （1. 暨南大学 公共管理学院/应急管理学院，广州 510632；2. 暨南大学 党委政治保卫部/人民武装部，广州 510632） Applications of 统智能化水平的局限，提出了基于大语言模型技术重构智慧应急的知识管理模式，在此基础上构想能够协同创新、全域感知、 决策支持的应急大脑，从而实现整体业务系统智能化水平从感知智能到认知智能的提升。 关键词 大语言模型，智慧应急，知识管理，应急大脑 引用格式 龚晶，黄欢. 基于大语言模型技术的智慧应急应用：知识管理与应急大脑 [J]. 指挥与控制学报，2025，11（2）：217-224 DOI 10.20278/j.jc2 融合和创新，预示着知识生产方式正在经历一场深 刻的变革，将引领我们进入了一个人机协作的知识 生产新模式 [7-8]。 1.1 知识获取 1.1.1 联结主义学习 大语言模型的知识获取基于联结主义的学习观 点，该观点认为智能源于大脑神经元的物理结构和 复杂的网络连接，是由大量如神经元的简单元素通 过非线性相互作用产生的集体行为结果，智能行为 的模拟可以通过构建大量简单计算单元组成的大规 模 网 络 ，并 不 断 调 整 网 络

DeepSeek 系列专题线上公开课（第二季） 从大模型、智能体到复杂 AI 应用系统的构 建 —— 以产业大脑为例 肖俊 浙江大学计算机学科与技术学院人工智能研究所 2025 03 杭州 • 大模型推理能力快速提 升 • 推理模型和思维链 (CoT) • 智能体是什么？ • 四链融合产业大脑案例 提纲 大模型推理能力快速提升 开始模仿人 脑进行大量 数据的标记 和训练 神经网络 (Brain) 的眼 (Observation) 和手 (Tools) 2. 通过智能体 (AI Agent) 可以基于大模型实现各种较为复杂的 智 能应用系统 小结三： 四链融合产业大脑案例 如何精准科学地识别并批量形成具有战略意义的 " 卡脖子 " 问题清单 ， 是我国实 现关 键核心技术突破要解决的首要任务 ，直接影响国家产业安全战略决策与创新资 源配置 制高点 关键芯片 应用实例：市域四链融合决策应用实践 特色 创新 特色 创新 术建设中国视谷产业大脑，驱动政府、园区、企业、人才等多元创新主体共谋产业发展 产业集群四链融合决策应用实践：中国视谷产业大脑 围绕“政府精准治理、产业生态培育、企业创新服务”的需求，运用知识计算、大数据等技 产业集群四链融合决策应用实践：萧山机器人产业大脑 以夯实基础、高效上线、打造亮点为任务，以机器人产业面临的问题为导向，基于萧山机器人产业发展基础和规

郴州烟草专卖局党建平台“浓香红”通过将线下 党建工作搬运到线上，实现全过程流程，数 字化管理，得到湖南省烟草专卖局的认可， 计划 2022 年由市推广到省级应用。 浓香红平台 党建 + 水务大脑平台 泉州水务集团”党建 + 水务大脑平台”，包含“智 慧党建平台”、“纪检平台”、“党建引领廉洁从 业线上虚拟展厅”等多部分组成，受到集团及 国资委领导高度认可。 福建省高速党建系统 为了避免线下党员集中培训造成疫情防控风险，

大讯飞推出了重点面 向企业场景的星火企业智能体平台，可一键接入讯飞AI能力、提供企业场景下高频的信 源、工具和技能，以开箱即用的方式快速构建企业智能体应用；并可通过打通内部信源，构 建企业知识大脑，更准确地理解企业需求、合理规划步骤，让企业轻松打造懂行业、懂场 景、知业务、会规划的AI助理。 进行垂直领域大模型的预训练、微调等技术环节，离不开领域内AI可用数据的治理和 应用。面向人工智 以阳光正言GPT为例，它不是一个简单类似ChatGPT的单个大模型，而是集成了多个 不同类型大模型、可以满足保险全场景需求的智能平台。从架构上，阳光正言GPT包括：底 座层、保险通用能力层、阳光智能大脑层、交互能力层。其核心在于利用通用保险知识和业 务领域知识，构建多层次、多尺寸的大模型体系，全方位赋能业务，提升客户服务、销售、产 品讲解和理赔等领域的智能服务能力。 图4 阳光正言GPT技术架构图 （3）第三层：阳光智能大脑层 通过各个机器人产品的研发沉淀专业知识与阳光专有数据，构建“最懂阳光”的专家 能力，支持交叉复用。智能大脑能力包括：会讲产品，懂核保，懂理赔，懂风控，会销售产品， 能服务客户。随着各机器人项目的推进，目前已经初步建设了产品大脑、服务大脑、销售大 脑、理赔大脑，后续一方面在各业务领域继续建设核保大脑、风控大脑，另一方面要持续提 升各大脑的智能化程度。 （4）第四层：交互能力层

490 万盘，以 100:0 击败 AlphaGo 2016 年 3 月， AlphaGo 以 4:1 赢了人类围棋世界冠 军 一些学者坚信世界有一种「世界模型」 , 并着力开发一 种 新的类似大脑的 Al 架构，是通过更真实地模拟现实世 界 ( 多模态输入训练 ) 来解决当前系统的局限性，例如幻 觉 和逻辑上的缺陷。这也是想要 Al 接近人类智力水平， 需要 像婴儿一样学习世界运作的方式。 中采取行动。 ~2024 年 11 月 29 日 [AGI 将在 5 到 10 年降临， JEPA 路线将代替 LLM 」 >LeCun 坚信有一种世界模型， 并着力开发一种类似大脑的 Al 架构，通过模拟现实世界来解 决幻觉和逻辑上的缺陷。 未来最大的变数： AGI 距离我们还有多远 ? 70/80 ■Al

基于深度强化学习的对话状态跟踪 [Williams 2016] • 任务型对话将用户的输入和系统的输出都映射为对话动作 • 通过对话状态来实现上下文的理解和表示 • 对话管理模块是任务型对话的大脑，它决定系统动作并维 护 和更新对话状态 • 传统的对话管理方法包括基于 FSM 、 Frame 、 Agenda 的， 适用于不同的场景 • 基于统计的对话管理方法更加灵活，但需要大量真实的、

DS优势在6000亿级语言大模型，在R1版惊艳的推理效果，在应用侧落地仍需要多模型组合、多外挂 工具，以及大量工程化配合 C端AI应用需要通才，需要百晓生 B端应用需要专才，需要超高性价比的产线工人 DS很好纠结各应用需要一个超强大脑需求 各单位应用DS落地需要 工程化 套壳 1、安全监管增强+灌入企业价值观 2、灌入企业独有数据 3、推理算力消耗、效果等方面优化 …. 多模型 协同， 与外挂 AI工具 1、多模态、语音、视觉模型联动

公司为私募股权打造智能体的架构分为三个层面。首先智能体捕获和处理与私募股权相 关的各种输入，包括财务数据、市场趋势、投资者情绪和监管更新。它可以处理文本、 数字和图形格式的输入，以便为战略决策和行动提供信息。其次，认知功能（大脑）内 又包含了：a）角色定义：确定 Agent 在私募股权操作中的角色，使任务与投资策略和 客户目标保持一致。b）记忆：存储和检索过去的投资决策、市场行为和客户互动，促 进自适应学习和知情决策。c）

无法灵活面对复杂的真实环境. 而基础 模型用来自互联网的大量文本、图片数据进行预训 练, 往往包含各种主题与应用场景, 能学习到丰富 的表示与知识, 具有解决各类任务的潜能, 其作为 具身智能的“大脑”能显著弥补机器人领域训练数据 少且专门化的缺点, 为系统提供强大的感知、理解、 决策和行动的能力. 此外, 基础模型的零样本能力 使得系统无需调整即能适应各种未见过的任务, 基 础模型训练数据的丰富模态也可以满足具身智能对