型多样，包括医疗记录、财产评估 等，模型需要能够处理和整合这些不同类型的数据。 可见，针对保险领域的特有属性，开发一套包括通用能力、专业知识、场景应用、模型 安全、行业智能体驱动等在内的综合性测评体系标准，并确保标准的科学性、实用性和前 瞻性，显得尤为重要。 保险领域大模型评估体系包括如下三方面的内容。 （1）通用能力：保险领域中，模型的通用能力包括语言理解、数学建模、逻辑推理等，通 S-Eval是阳光保险为保险行业大模型量身定制的综合性测评基准，该测评基准致力 于全面评估大模型在保险领域的通用能力及专业能力。S-Eval的作用主要体现在以下两 个方面：首先，它可以被用来测评外部的商业大模型，为保险公司在选择外部厂商的大模 型时提供公平、公正和公开的统一标准；其次，作为阳光保险集团内部使用的评测集， S-Eval也可以用于测评保险集团内部的自研大模型，加速提升大模型底座能力。 S-Eval具有以下三大特征： ① 公平公正 S-Eval注重保持中立和客观的测评理念，评测过程完全自动化，避免了人为评估带来 的不确定性，确保了评测结果的准确性和公正性。 ② 契合保险行业大模型实际应用需求 通过构建多维度、多视角和多层次的评测体系，S-Eval真实模拟了保险行业中大模型 的应用场景，全面考察了大模型的保险专业能力。此外，S-Eval还构建了多轮对话场景，更 深

型的基础能力，同时针对部分主要典型的应用能力设计 了保险业务场景设定及问题，以测试大模型的实际应用能力。区别于以底层专业性能指标为评测维度的大模型评测报告， 《报告》以应用场景的视角和维度进行测评，向保险行业呈现更为实用和直观的信息，更具现实层面的指导意义。 本报告评测结果经专家组进行谨慎的综合论证形成，但考虑到大模型迭代速度日新月异，评测结果仅代表测试期间所呈现的 效果。报告在分析结

私域GPT应用：集医教研管全方位智能助手于一体的应用，整合了业务文件1500+、医学教材指南1800+、管理报表100+，为医 护人员提升信息获取效率，为精准医疗提供有力保障。  大模型医疗应用服务平台：提供模型微调、测评、推理加速等全链路工具箱，为医院管理、临床、教学、科研等工作提供新范式。 -25- 大模型赋能船舶设计 n 联通数智公司、上海联通与中船海舟联合挂牌成立联合实验室，探索大模型落地中船海舟船舶设计等应用场景

验验证效果后全量推送。版本回滚机制需满足： - 异常指标持续 3 小时超过阈值 - 关键业务场景失败率>5% - 人工应急开关触发 通过上述方案，可使模型在 6 个月内达到审计专业初级分析师 水平（经第三方测评准确率 88.7%），较传统规则引擎效率提升 4.3 倍。需特别注意模型解释性保障，所有推理结果必须附带可追 溯的审计证据链。 6.2 审计数据安全与隐私保护 在审计领域应用 DeepSeek 即时问答平台：部署企业级 ChatBot，实时解答操作问题，历 史问题沉淀为知识库，确保 90%的常见问题可通过自助查询 解决。 3. 效果评估与迭代 采用量化指标跟踪培训成效，例如： “ 每季度开展能力测评，对未达标的团队启动 1+1 ” 帮扶计划 （1 名认证骨干带教 1 名新人），确保技能覆盖无死角。同时，根据审 计准则变化（如新发布的《企业会计准则解释第 16 号》）动态更 新培训内容，保持智能体应用与行业要求同步。

个月，里程碑为完成系统架构评审与开发版 本交付。 进入测试与优化阶段后，主要任务如下： 1. 单元测试与集成测试：对系统各模块进行单元测试，并进行整 体集成测试，识别问题并修复。 2. 用户测试：邀请部分用户参与测评，收集反馈，进一步优化用 户体验和系统性能。 3. 性能调优：根据测试结果对系统进行性能分析，优化代码与数 据库，提高响应速度和处理能力。 预计该阶段用时 2 个月，里程碑为完成测试报告与优化文档。