2.2024 版规划的标准项目《项目成熟度评估指南（系列）》更名 为《项目管理成熟度评价指南（系列）》，《项目总承包管理规范》更 名为《项目外包管理指南》，《项目进度计划技术方法》更名为《项目 进度计划编制方法》。 3.鉴于行业标准与项目管理国家标准的承接性较弱，删除附录的 行业标准信息。ISO 标准主要聚焦于 ISO/TC 258 管辖的标准。 调整后形成的《全国项目管理标准体系建设指南（2025 管理 项目管理指南》规 定的 17 个要素，并可依据国内项目管理实践对个别要素进行适 当简化合并。 ——项目评价域，给出项目投资方或第三方机构组织的项目评价 的流程和方法。 ——行业应用层，说明通用项目管理方法与特定行业项目的结合 结果。特定行业项目包括各行业的固定资产投资项目，以及研发 项目、服务项目等。 ——能力评价域，给出人员和机构认证的评定标准。人员和机构 包括从事 益、社会效益等。项目管理标准通常属于推荐性标准。与法律法规、 规章制度相比，项目管理标准主要是提供“技术性”的统一规范和指 导，标准化内容主要包括： ——项目管理使用的术语、分类、代号、格式等； ——项目管理流程、准则、方法、工具、数据； 3 ——项目管理绩效的定性定量评定； ——项目管理人员和机构的能力评定。 项目管理标准的制定需要广泛协商与协调。全国项目管理标准化 技术委员会宜侧重基础性、通用性，以及重点领域的项目管理标准。

成科学假设，然后运用逻辑推理和数学分析， 构建普适理论，但难以在复杂系统中实验验 证。计算科学以科学模型为基础，通过数值 方法模拟复杂系统，但需要简化模型以及提 高模拟精度，以解决模拟系统精度低且计算 成本高的挑战。随着技术的发展和数据规模 的增长，出现了数据密集型科学的研究范式。 这一范式利用机器学习方法，自动从数据中 发现统计关联，一定程度上避免了提出科学 假设，但无法发现因果关系，且难以分析低 质量数据和发现复杂系统中的规律。当前的 科学研究主要面临系统复杂性的挑战，相互 关联的自然、技术和人类系统受到跨时间和 空间尺度作用力的影响，导致复杂的相互作 用和涌现行为 1。传统科学研究方法难以应 对这些复杂性挑战，迫切需要新的科学研究 方法。针对复杂数据中的因果关系，发展了 一系列新的因果推断方法。针对高质量科学 数据缺乏问题，如大气数据、天文数据等， 发展了生成式人工智能技术，如扩散模型和 大语言模型。针对处理复杂系统的局限性， 人工智能凭借强大的数据处理和分析能力， 可以更有效地探索解空间，生成高质量的候 选假设。例如，在纯数学领域，机器学习可 以辅助数学家发现新的猜想和定理 5。科学 研究依赖于实验评估理论。传统的实验设计 和优化方法依赖人工经验和反复试错，成本 高且效率低，如材料合成以及核聚变。人工 智能与机器人技术结合可以实现实验的自动 化设计与执行，并根据实时数据调整实验参 数，优化实验流程和候选对象。 总之，人工智能可以有效整合不同学科

基于互联网搜索引擎的传染病监测 预警研究进展 黄思超1，刘魁2，蒋健敏2 摘要： 传染病监测预警是传染病防控工作的重要技术手段，互联网的快速发展与搜索引擎的普及应用为传染病的监测提供了 新的思路和方法。 本研究重点阐述了国内外研究者利用搜索引擎开展传染病监测预警的研究进展，为现有传染病监测预警系统 的完善和补充提供参考。 关键词： 传染病监测预警；搜索引擎；大数据；流行病学 中图分类号: 开展科学有效的监测和预警是传染病防控的 重要工作。我国于 2004 年建立了传染病网络直报 信息系统和突发公共卫生事件网络直报系统以及 各个专病强化监测系统，10 余年来我国的传染病监 测系统得到了快速发展，但仍存在一些不足，如监 测方法比较单一等［1］。随着互联网技术的飞速发 展，互联网搜索引擎的使用日益普及，产生大量的 电子数据，为传染病的监测预警提供了新的思路和 手段，该文基于国内外互联网搜索引擎的传染病监 测预警研究进展综述如下。 的同期搜索量的关系，研究发现相关指数分别为 0.82、0.90 和 0.78；西班牙、韩国与中国广东省均有 研究证明检索词的搜索量与流感监测病例数存在 一致性［10–12］。以上研究表明基于谷歌平台，该方法 在不同语种间同样适用。 在中国，大量网民选择百度作为首选的搜索引 擎，基于百度搜索引擎的流感监测研究也相继开 展。Yuan 等［13］尝试使用百度搜索平台，通过关键 词筛选、过滤、指数复合和建立模型四步来预测流

第一部分 | 场景：人岗匹配 内容： 让 AI 技术提升人岗匹配效果，我们做了这些探索 解锁这项 AI 黑科技，马上实现人岗匹配自由 AI 黑科技： Embedding、知识图谱（KG）方法、自然语言处理（NLP）、非线性树模型、deep 模型、 BERT、 Word2Vec 模型等 本期和大家讨论下 “人岗匹配排序的探索与实践”。从人力资源管理的发展来看，人岗匹配大致 经历了三 常见的 JD 如下图 1 所示，其中包含格式化离散数据和整段文本数据，从整段文本数据获取招聘 意图是提取 JD 特征的重点难点。 为了更好的解决该问题，我们分别引入知识图谱（KG）方法和自然语言处理（NLP）方法，其 中 KG 负责去充分提取文本中实体的关系和联系，NLP 则更好的获取 JD 本文和 CV 文本相似性 信息。因涉及个人隐私此处不展示 CV 信息。 01 特征为王 4 第一部分 的 vector 相 似性值，此处成为 IDsim 特征。 Emdedding 特征：包括了 ID 离散特征的 vector，该 vector 有知识图谱的 graph embedding 方法产生（如 DeepWalk，LINE 等 ）。文本 embedding 特征，该特征以 JD 和 CV 对的方式输入 DSSM 模型产生 vector。 在此基础上我们还加入了相应统计特征，统计

数字化时代，信息和数据企业最为重要的资产，是企业进 行商业决策的重要依据，数字化时代的企业运营将呈现下 列特点： 数字化营销。通过对数据的分析，让企业能够更加精准的 了解客户、了解市场，能够有针对性的制定营销的策略与 方法。 统一的、数字化的流程。在整个企业中需要集成数据和流 程，传统公司通常部门壁垒严重，每个部门都有自己的系 统、数据定义和业务流程，而这种情形下，根本无法通过 对数据的分析发现运营的不足，数字化转型不可能有效。 智慧城市，需要在现有基础设施之上，实现多个系统之 间的融合，推动创新应用。 14 13 如何实现 数字化转型 数字化转型，是跨领域、跨部门，甚至有时候是跨 企业的系列工程，实施成功的数字化转型，需要依 据合理的规划方法，制定有效可行的蓝图路标。 而目前业界普遍的现状是： 缺少整体系统性框架设计 数字化转型的方向已经得到普遍认可，组 织或者企业的单个部门开始实施转型，结 果是价值链的单个环节迈的步伐大，但其 高瞻远瞩的顶层框架设计，做到有的放矢，达 成有效的业务成效。 切实可行的执行架构设计，做到清晰的实施 路标。 针对这些普遍存在的现状，依据业界成熟的框架 设计及工程实施方法论，再结合数字化转型本身 的独特特征，我们提出如下数字化转型方法。 为什么要数字化转型 数字化转型实现之道白皮书 16 15 数字化转型中，有一些关键原则，需要提前充分认识到， 并在转型过程中坚持。 一把手领导下的多部门工程

...............................................................143 1. 引言 随着医疗健康行业的快速发展，传统的数据处理和分析方法已 逐渐无法满足日益增长的需求。特别是在患者数据的采集、存储、 分析和预测方面，传统的技术手段面临着效率低、准确性不足以及 成本高昂等问题。在此背景下，引入先进的技术手段以优化医疗健 康场景 医疗健康场景中，数据的复杂性和多样性对技术提出了更高的 要求。例如，患者的电子健康记录（EHR）、医学影像数据、基因 组数据等多源异构数据的整合与分析，需要处理大量的非结构化数 据，并从中提取有价值的信息。传统的处理方法往往依赖于人工干 预或简单的算法，导致效率低下且容易出错。而 DeepSeek 通过其 先进的深度学习模型，能够自动识别、分类和解析复杂的数据结 构，显著提高数据处理的效率和准确性。 此外， 生提前采取预防措施。 其次，DeepSeek 技术在个性化医疗方面表现出色。通过对患 者数据的深度挖掘，它能够生成个性化的治疗方案，优化药物选择 和剂量，减少副作用并提高治疗效果。这种个性化的治疗方法不仅 提升了患者的生活质量，也降低了医疗成本。 此外，DeepSeek 技术在医疗资源的优化配置方面也具有显著 优势。通过分析医院的运营数据和患者流量，它可以预测未来一段 时间内的医疗需求，

年，数字孪生世界企业联盟联合数字孪生业内领域单位与专家，主持编写了《数 字孪生世界白皮书（2022）》，聚焦数字孪生世界的关键技术、行业场景与应用发展，全 面介绍了数字孪生知识体系、“V”模型数字孪生世界方法论，聚焦 5 大领域、汇集 15 个 重点行业典型案例。旨在为产业界在规划建设数字孪生世界时提供参考借鉴，助力数字孪 生世界技术演技和产业发展。 《数字孪生世界白皮书（2023）》在 2022 近年来，随着数字孪生应用平台在城市管理、应急响应、防控指挥等场景的应用要求 加深，对于准确生成和可视化呈现气象数据提出了更高的技术要求，尤其是通过等高线图 和卫星云图的形式呈现。 等高线图为专业人士提供了一种直观理解地形复杂性的方法，同时在评估气象条件对 特定地理区域的影响方面也展现出无可替代的价值。它使得风向、温度分布以及其他关键 气象参数能够基于地形特征进行精确分析，从而支持更加精准的环境预测与规划决策。卫 数字孪生世界企业联盟 AI 模型提升解译精度。该过程依赖 GIS 工具、统计方法 与深度学习技术的协同应用。数据处理具体分为以下三个部分： 格式统一。将不同来源的数据（如 Shapefile、GeoTIFF、CSV）转换为统一格式（如 GeoJSON）。 坐标系转换。确保所有数据使用相同坐标系（如 WGS84 或 UTM）。 缺失值处理。使用插值法或机器学习方法补全缺失的地球化学或地形数据。  可视化与成果输出

理解这些技术之间的差异，有助于明确它们如何互补，以及代理型人工智能 的独特之处。 这对于设计有效的AI战略至关重要，无论是从供应商路线图和营销角度，还 是从企业部署战略角度。 代理型人工智能并非单一应用或技术，而是整合多种技术、方法和组件的架 构，用于创建高度自主的目标导向型人工智能代理。 人工智能代理利用基础模型和高级机器学习（ML）技术（如链式推理 （CoT））、记忆模块及外部工具，能够自主或在极少人工干预下主动规划 并执行复杂任务。 应商如何提供帮助 商如何提供帮助 供 供应 应商 商应 应提供： 提供： 没有什么比客户成功故事和真诚合作更能有效地建立更深厚的忠诚度和促进 持续互动：积极倾听、持续学习，并开放地分享知识和经验。 这种协作方法将使组织能够充分发挥人工智能的全部潜力。 连接传统系统与现代人工智能工作流的集成中间件 低代码/无代码平台，以帮助克服人才短缺问题 具备边缘人工智能能力和轻量级模型的可扩展基础设施 清晰的投资回报率测量工具 现规模 模经济 经济， ， 从而促 从而促进 进人工智能的广泛部署。 人工智能的广泛部署。 通过供应商提供可扩展且灵活的许可模式，可以降低成本作为进入门槛，从 而促进人工智能能力的普及。 这种方法有助于降低成本方面的进入门槛，同时为人工智能能力提供平等且 广泛的访问权限，从而增强这些技术变革的潜力。 若缺乏适当的整合，工作场所的人工智能可能仍处于碎片化且被低估的状 态。那些战略性地实施整合

........................................................................ 12 3.3.4 制定L4实施框架，凝练3步落地方法 ........................................................................................... 14 4 推进意图驱动管理、数据管理分析、AI/ML等技术课题的标准化工作。 L4实施方法及测评相关标准：TMF发布AN战略规划方法论标准（IG1433），指导运营商 制定自智网络战略及落地实践；持续优化自智网络分级评估标准（GB1059 系列），纳入更细 粒度子场景，支撑行业精准差距分析；推出IG1256A规范，通过标准化方法量化自智网络部署 的商业价值与网络自动化的经济效益，驱动价值转化。 2 AI，以智能体为中心，实现3大模式转变。 价值场景：分阶段、分步骤、体系化推进26个高价值场景落地实施。 成效指标：“KBI-KEI-KCI”3层指标体系。 推进方法：“L4目标态设计-场景级解决方案-试点推广”3步推进方法。 L4实施重点： 聚焦价值流，嵌入智能体：8大价值流牵引，构建15个智能体。 夯实数智基础，激活智慧动能：做精网络数字孪生底座、推进网络资源精准可视，持续增

部署 、 推理应用 等环 节的技术要点 ； 说明行业大模型 在医疗领域应用框架的各组件功能；通过实例给出大模型最佳实践建议。 其二， 介绍通用大模型评测框架的任务定义 、 数据准备和评测方法 ； 概 述 医疗 健康 领域大模型评测的科学性 、 安全 性 、 合规性 、 伦理道德等方 面， 并 列 举 中 文 医 疗 健 康 评 测 集 ； 以 Med Bench 估 体 系 建 设 等 方 面 提 出 风 险 防 控 措 施 ； 阐 述 提 升 医 疗 健 康 行 业 大 模 型 专 业 性 的 多 种 方 式 ； 说 明 大 模 型伦理与法规对 齐的方法 ； 强调 行业人 才在大模型能 力提升和 风险防控 中的 重要作 用及相关培养措施。 01 PAGE 医疗健康大模型伦理与安全白皮书 目录 03 医疗大模型评测 3.1 通用大模型评测框架 3.1.1.任务定义 3.1.2.数据准备 3.1.3.评测方法 3.2 大模型在医疗健康领域的评测概述 3.2.1.科学性：从通用能力到医学专业能力的提升 3.2.2.安全性：从潜在风险识别到安全输出保障 3.2.3.合规性：确保法律与行业标准的严格遵守 3