值定 位；期 望维度则为人工智能输出提供明确标准，有效缩小技术输出与专业需求之 间的认 知差距。 4.2 CARE 模型：构建全面审计上下文 CARE 模型作为一种整合背景、行动、结果和示例的思维结构，在需要全 面 情境理解的领域具有广泛应用价值。工程审计因其复杂的项目背景、多元的 利益 相关者以及高度的专业性，对于情境理解有着特殊需求，这使 CARE 模型 在此领 域具有独特适用性。 结果（Result）：提供详细的成本异常报告和改进建议 4. 示例（Example）：如发现材料采购环节存在不合理加价，需要详细说明 提示词模板 背景：[项目名称]在执行过程中出现严重成本超支 行动：全面分析项目成本异常的具体原因 请详细调查并报告： 1. 成本异常的具体环节 2. 异常原因的详细分析 3. 定量评估成本超支的财务影响 4. 具体的成本控制建议 示例：请特别关注材料采购、人工成本等关键环节 模型在工程审计领域的特殊价值在于其对背景的强调和对示例的整 合：背景维度使审计人员能够充分理解工程项目的特定环境和条件约束；示例维 度则通过类比学习机制，使抽象的审计发现转化为可操作的改进方案，增强审计 成果的实践价值。 4.3 TRACE 模型：系统性项目审计方法 TRACE “ 模型通过 任务（Task）-请求（Request）-行动（Action）-背景（Context） 25 -示例（Example ”

可持续发展战略举措与管理目标。 科技绿色 可持续产品 理念传播 可持续畅享 责任驱动 可持续营销 诚信透明 可持续治理 价值共享 可持续影响力 一切为了 人与自然的 健康之美 ESG最佳实践企业案例页示例 – 恒林家居 • 根据综合评分的代表性案例，报告将以以下露出形式展示最 佳实践案例企业和对各维度的评价 Achievements & Impact ESG合规及披露 Compliance 北京航空材料研究院股份有限公司 7 中化装备科技(青岛)股份有限公司 8 中国国际海运集装箱（集团）股份有限公司 9 国电南瑞科技股份有限公司 10 深圳市华宝新能源股份有限公司 69 ESG最佳实践企业案例页示例 – 厦钨新能 • 根据综合评分的代表性案例，报告将以以下露出形式展示最 佳实践案例企业和对各维度的评价 Achievements & Impact ESG合规及披露 Compliance 及较为完善的可持续发展政策体系，持续提升可持续发展管理水平；建立体系化、规范 化、主动化的全面风险管理体系，提升公司风险应对能力和管理水平，有效防范、控制 和化解各类风险，保障公司稳健经营。 细分维度说明 ESG最佳实践企业案例页示例 – 金盘科技 • 根据综合评分的代表性案例，报告将以以下露出形式展示最 佳实践案例企业和对各维度的评价 Achievements & Impact ESG合规及披露 Compliance

本手册业务审计板块分几个部分，形成 场景-方法-示例-案例 ”的闭环： l 场景部分：从金融审计理念与模式到金融审计质量管理，然后主要围绕 商业银行、证券公司以及保险公司审计提出可供参考的场景问题并给出相关的提 示； l 大数据应用部分：涵盖风险建模、文本分析、流程自动化等技术，提供 Prompt 设计与调优策略的简要提示与思路； l 示例与案例部分：详解大数据分析技术等在合同审查、关联交易识别、 关联交易识别、 风险揭示等场景中的具体审计示例与案例分析。 三、多层面价值彰显：从个体应用到机构和行业的启发 本手册的价值体现在三个层面： l 对个体：帮助审计人员突破经验认知与局限，努力实现金融审计多元场 景覆盖，帮助审计人员减少审计盲区； 0 l 对机构：助力构建标准化审计知识库，减少因人员流动导致的方法论断 层，提升风险覆盖密度； l “ 对行业：推动审计从 事后纠错 团队的核对筛选和修改，但由于人工智能幻觉的存在，以及金融政策快速变化； 在使用时仍需与最新监管文件、内部制度比对；问题提示因篇幅限制较少，使用 时需要进一步丰富审计分析维度；本手册中的示例与案例不构成审计依据，仅构 成审计思路与方法参考； l 伦理约束：避免将模型用于客户画像歧视、绩效预测等可能引发公平性 质疑的场景。 “ 我们期待这本手册能成为审计人员在智能时代的 导航仪

Conversational Robot[C]// ACL 2017, System Demonstrations. 2017:13-18. 4 “ 聊天”示例 5 “ 知识问答”示例 6 “ 任务执行”示例 7 “ 推荐”示例 8 笨笨访问统计 9 智能人机对话系统“笨笨” 10 • 主办方 • 中国中文信息学会 (CIPS) • 承办方 • 哈尔滨工业大学社会计算与信息检索研究中心

输出/外部流程 重大事件处理流程 事件接收与处理 4 事件关闭 6 是否解决 事件分类和分派 3 一般事件 一般事件 是 否 事件接收与处理 5 事件分级 图3.3 故障处理流程示例 14 业务转维规范 业务转维规范主要明确站点转维标准动作及交付 件，确保项目转维各流程顺利进行。规范转维管理 过程，明确网络安全责任边界和转维关键角色职 责，确保项目转维人力按时到位，通过完善项目转 活动描述 变更申请人 云平台 运维组长 变更实施人 运维主管 变更审核 3 验证是否成功 否 否 是 是 是 标准变更 常规变更 重大变更 紧急变更 图3.4 变更管理流程示例 收集变更需求 1 提交变更申请 2 事件管理流程 问题管理流程 变更实施报告 实施方案 回退方案 测试方案 变更审核 6 变更确认 8 变更关闭 9 变更回退 7 是否通过 7、巡检分析评估完成后，关闭巡检工单； 8、对巡检报告进行报告存档。 输入/外部流程 活动描述 云平台运维 工程师 云平台运维 组长 输出/外部流程 巡检实施 4 巡检报告 5 图3.5 深度巡检流程示例 制定巡检计划 1 创建巡检工单 3 审批巡检计划 2 事件管理流程 变更管理流程 关闭工单 7 报告存档 8 分析评估 6 3.1.3 运维度量指标体系 运维指标度量体系是量化运维质量是否达标、运维

环境隐形智能（Ambient Invisible Intelligence） 技术趋势 环境隐形智能 分析师 Christian Titze 和 Nick Jones 战略规划假设 到 2028 年，环境隐形智能的早期示例将侧重于通过实现低成本的物品 跟踪和传感、降低成本和/或提高效率来解决紧迫的问题。 趋势基本描述 环境隐形智能由超低成本的小型智能标签和传感器实现，将提供大规 模、经济实惠的跟踪和传感。从长远来看，这将使传感和智能更深入地 赖的嵌入 式来源和身份 — 所有这些都以低廉的价格提供。此外，环境不可见智 能将为分析和 AI 提供关键的新数据源，以改进产品和供应链流程。 趋势基本影响  到 2028 年，环境隐形智能的早期示例将专注于通过实现对产品和 资产的低成本跟踪和传感、降低成本和/或提高效率来解决紧迫的供 应链问题。  短期机会包括零售店或仓库的自动库存检查、易腐货物的状态监 测、实时货物跟踪或利用实时基础设施 他们的基础设施可能会带来新的网络安全和弹性挑战，例如，在受 监管的行业中，外人无法接受知道事物的位置。 行动建议  确定环境智能在 2025 年至 2028 年期间提供投资回报 （ROI） 的 信息影子和早期用例，并试点最有前途的示例。将其视为某些当前 或计划中的射频识别 （RFID） 用例的潜在替代品。  寻找由实时信息启用的新分析机会（例如，与对象的使用方式、存 储方式和位置以及资产的位置和使用位置有关）。这项技术将加速

（提供对应转跳链接及脚注） ※ 1）多文档对比查询，SCISPACE生成表格回复异同之处 2）相关文献查询、选中后，SCISPACE生成文献综述 基 于 多 个 文 档 的 交 互 AIGC应用前后对比 应用示例 图表 绘制 数据 处理 文献 阅读 细分 场景 表达 润色 数据 预测 … 24 ©2024.2 iResearch Inc. www.iresearch.com.cn ©2024 图片填充等方式，通过拖拉拽生成并完善PPT 课件生成 课程录制 结合数字人技术，搭配已有课件PPT，生成录播 课程 AIGC应用前 AIGC应用后 备课规划 1 2 3 AIGC应用前后对比 应用示例 资源 搜集 课件 制作 教案 撰写 细分 场景 课程 录制 … 25 ©2024.2 iResearch Inc. www.iresearch.com.cn ©2024.2 iResearch 学生完成并获得即时反馈 1 2 ※ Questgen：基于用户上传文本生成选择、判断、 填空题等，题目数量、选项数量、难度可调节设置 ※ 学生完成后即时获得反馈和修改意见 AIGC应用前后对比 应用示例 ※ 教师发布Khanmigo协作下的写作任务 标准化试题批量生成，作业及时反馈加快知识理解与转化 模块化作 业生成 作业评分 及批改 标准化作业 生成 细分 场景 ※ 基于ChatGPT生成

从封闭场景到 OMO （线上 线 下）融合 注：《中国家庭教育现状调研》数据 从传统工具到 AI 赋 能 家 庭 教 育 系 统 结 构 拆 分 分 析 系统模块 子模块 / 要素 核心描述与示例 1. 系统主体 家长 主导者：传递价值观 、行为示范。教育理念（权威 / 民主型） 、能力（沟通 / 情绪管理） 。 孩子 主动参与者：年龄阶段（婴幼儿 / 青少年） 、个性（兴趣 / 学习风格） 。 创意启发型 AI 工具推荐及使用指 南 应用场景 具体操作 示例 学习计划 使用 DeepSeek 生成详细的课程大纲，包括目标 、活 为孩子设计美国革命历史课程，包括互动讨 论 动和评估 。 平台辅助学习 ，平台凭借强大的数据收 集 与分析能力为孩子设计美国革命历史课程，包括互动讨论和测验 。 学习内容生成 1. 结构化知识内容生成 • 知识点卡片： 将复杂概念拆 解 为术语定义 、示例 、常见 误区 三部分（如“ 印花税： 对 法律 文件征税→殖民者抗议 → ≠普 通消费税 ” ） 。 2. 自适应练习材料生成 • 错题重组： 自动将错题转化 为 同类变式题（如替换数值

）机制通过对注意力机制中的键值进行压 缩实 现数据高效处理，这就好比仅通过阅读摘要就能快速了解长篇书籍的核心内 容。 奖励学习机制高度依赖 其他大模型对复杂神经网络奖励、监督学习以及学习 示例的高度依赖 逐个单词生成答复 信息冗余处理 传统模型计算注意力权重时，可能会对不重要信息分 配过多资源，导致信息冗余。 训练成本低 深度思考强 推理速度快 处理效率高 训练流程优 高速网络 多元存储 DeepSeek 大模型应用规划 个人群业务 新人入司效率提升 应用 场 景 示例 图数据库 向量数据 库 ... 多源数据 线上触客效率 客户分析 队伍分析 承保风险评估 理赔案件智能审核 合规问答 核保智能决策 反洗钱报告 合规预警 小额理赔案件快赔

大模型构建的技术方案选择 模型微调主要是指令微调，指令微调包括两个阶段：监督微调和强化学习 在监督微调阶段，模型会学习一个 指令-响应（Instruction-Response）数据集，该数据集包含大量人 类编写的任务示例，例如“请解释相对论的基本概念”及其标准答案 通过这种方式，模型能够理解不同类型的任务并提供符合预期的回答。指令-响应（Instruction- Response）数据集用于训练模型理解任务指令并生成符合预期的响应 提高准确性 引导生成 增强交互性 8.1.7 AIGC大模型的提示词 使用提示词需要注意一些技巧，这样可以从大模型获得更加符合我们预期要求的结果 简洁明确 考虑受众 分解复杂任务 使用肯定性指令 示例驱动 明确角色 遵守规则 自然语言回答 8.1.7 AIGC大模型的提示词 提示词之道：通用大模型与推理大模型在提示词策略方面也有不同侧重与技巧 n 提示语更简洁，只需明确任务目标 和需求（因其已内化推理逻辑） 化推理过程（若强行拆解步骤，反 而可能限制其能力） 推理模型 n 需显式引导推理步骤（如通过“思 维链” 提示），否则可能跳过关键 逻辑 n 依赖提示语补偿能力短板（如要求 分步思考、提供示例） 通用模型 8.2 文本类AIGC应用实践 进入百度官网访问DeepSeek保证正常快速使用 8.2 文本类AIGC应用实践 n 快速体验DeepSeek 在提示词输入框中输入“请模仿