注2:常用的微调方法包括提示词微调、全参微调、参数高效微调等。 [来源:GB/T41867—2022,3.2. 31,有修改] 3.6 提示词 prompt 提示语 使用大模型进行微调或下游任务处理时,插入到输入样本中的指令或信息对象。 [来源：GB/T 45288.1—2025，3.5] 3.7 工具链 toolchain 用于支撑大模型开发、定制及应用的软件集合。 [来源：GB/T 45288.3-2025，3 g) 应支持自定义评估指标和评估流程，满足不同场景下的需求。 6.3.2 可信评估 a) 应具备在不同环境和条件下通过调试信息展示推理过程，获得稳定且可持续的高准确率的能力， 如政务大模型对输入样本扰动具有一定的容忍程度； b) 应具备对于推理和决策过程的解释能力； c) 应留存完整审计日志，记录模型推理请求来源、数据调用路径、异常行为捕获等信息，支持动 态监测与追溯分析； d) 应支持 面对恶意攻击 （如数据投毒、后门攻击）的应具备相应的防御性能力、支持使用对抗样本作为训练数据进而 提升模型对异常输入的鲁棒性和防御能力、具备对政务大模型实时监控与预警的能力、对政务 大模型恢复与应急处理的能力等。 9.2.2 模型推理安全 a) 政务大模型在推理阶段宜具备相应安全能力，包括但不限于对输入数据中的对抗样本进行检测 的能力、采用鲁棒性优化技术、对对抗攻击事件的日志记录和审计功能等。

* 指标计入评估范围，但不计入总分 （二）评估范围 本次评估共选取省级（自治区、直辖市、新疆生产建设兵团）样 本 32 个、省会及计划单列市样本 32 个、推荐城市（上海、北京、天津、 重庆除外）样本 46 个、中西部城市样本 20 个。同时开通自愿报名通 道，意向参加 2025 年数字政府发展水平评估的政府单位（包括其他市、 区县等），均可报名参与。 （三）评估方法 - 24 - - 25 - 依据评估对象的层级，对数字政府建设情况进行分类阐述。需特 别指出的是，近一年中西部地区于数字政府建设领域展现出明显的加 速趋势，故而从推荐城市里筛选出中西部样本城市进行说明，并将其 作为分类概览的重要类别。 （一）省级数字政府建设情况 1. 省级数字政府建设综合排名 表 2 2025 年数字政府建设风向指数省级总指数梯队列表 四、评估区域分类概览 本次数字政府建设风向指数评估新增中西部城市板块，评估对象 共 20 个城市，平均得分率为 65.96%。其中，7 个城市得分率超过平 均水平，65% 的城市总指数集中在 [60%，70%）区间（如图 17）。可 以看出，中西部样本城市数字政府建设水平更为集中，发展差异相对 较小，多数城市处于“发展者”与“建设者”梯队之间。中西部城市 数字政府建设仍要聚焦自身特色，整合各项资源，因地制宜推进数字 化转型。 图 17 2025

所属行业 企业关系 企业性质 15 应用库 16 政策内容智能解读、 提取关键要素、 构建知识图谱 60+ 搜索维度、 NLP95% 以上符合率、 2s 响应时间 6w+ 政策标注、 1W+ 样本训练、 10+ 专属 AI 模 型 80%+ 政策匹配率 强化基础支撑能力： 构建政策库 - 核心特 性 4 政策匹配推荐 2 基础 AI 模型设 计 知识图谱 智能搜索 3 超强可信算力支撑 数据供给方 流通 反哺 提供 采用两套环境安全镜像隔离的技术 ，确保明细数据的运算在黑 盒 中进行 ，不创建新的数据集 ，也能确保数据“不可见”； 同步提供给用户包含脱敏、仿真样本数据的调试环境 ，可供用户 进行在线建模 ，确保数据“可用”； 集中式沙箱适用于已经归集诸多数据 ，需要以“可用不可见”的 安全方式对外开放 ，进而支撑外部数据应用； 可以快速“寄宿”到现有的数据平台之上； 等多场景算法服务； 建成数用一体模式： AI 服务 基于政务 AI 模型生产与服务中心 ， 为政府客户提供图像识别、 文本分析、 语音识别、 预测分析等能力。 智能算法仓 数据样本资产库 自动学习 代码建模 可视化建模 资源调度 数据处理 文字 OCR 语音识别 人脸识别 智能视觉

，艾瑞咨询对该等信息的准确性、完整性或可靠性作尽最大努力的追求， 但不作任何保证。在任何情况下，本报告中的信息或所表述的观点均不构成任何建议。 本报告中发布的调研数据采用样本调研方法，其数据结果受到样本的影响。由于调研方法及样本的限 制 ，调查资料收集范围的限制 ，该数据仅代表调研时间和人群的基本状况 ，仅服务于当前的调研目的， 为市场和客户

，艾瑞咨询对该等信息的准确性、完整性或可靠性作尽最大努力的追求， 但不作任何保证。在任何情况下，本报告中的信息或所表述的观点均不构成任何建议。 本报告中发布的调研数据采用样本调研方法，其数据结果受到样本的影响。由于调研方法及样本的限 制 ，调查资料收集范围的限制 ，该数据仅代表调研时间和人群的基本状况 ，仅服务于当前的调研目的， 为市场和客户

对应目标系统信息 1 2 4、其他信息 附件二：数据迁移检查表 用户 名称 系统 名称 目录名称 检查样本 数 总 体 检 查 序 号 检查项 检查结果 1 总记录数是否相同 □是 □否 2 日志文件是否存在错误 □是 □否 样 本 检 查 1、样本 1 信息描述 序 号 检查项 检查结果 1 字段信息是否完整？ □是 □否 2 字段信息是否准确？ 是否符合数字系统中既定的管理方式？ □是 □否 2、样本 2 信息描述 序 号 检查项 检查结果 76 1 字段信息是否完整？ □是 □否 2 字段信息是否准确？ □是 □否 3 电子文件的个数是否完整？ □是 □否 □无电子文件 4 各个电子文件显示是否正常？ □是 □否 □无电子文件 5 是否符合数字档案馆应用系统中既定的管理方式？ □是 □否 3、样本 2 信息描述 序 号 检查项 检查结果

为目标 人群接触机构或单位的全部记录数，m 为乘数，其中 m = 1 /p ，p = c /x，其中 p 为同时期该人群中自称接触这些机构或单位者的比例， c 为调查样本中自称在同时期接触过这些机构或单位的人数，x 为调 查样本量。 本着经济、简便、可行的原则，可考虑采用现有容易获取的数 据，对乘数法进行了改良，考虑将采用公安登记在册数和戒毒所上 149 大数据云平台实施方案 一年收治数这 r2) ，2 种来源的 数据 r1 和 r2 代入公式进行计算。m 代表一定时期内吸毒者自称接触 过公安或戒毒所者的比例的倒数，这里用随机抽样法在强制戒毒所 抽样，抽取 300 个吸毒者( 即样本量 Q =300 为例) ，对抽取的吸毒者 进行匿名访谈，询问其熟悉的吸毒人数( 所有被调查吸毒者熟悉的吸 毒人数合 x_a) 和其中曾经因为吸毒被公安抓捕过的( 包括抓入拘留所 强制戒毒所、劳教所等 捕获-再捕获法对吸毒人群规模估计 150 大数据云平台实施方案 捕获-再捕获技术是一个世纪前产生和发展起来的，它用于估计 野生动物群规模大小的一种技术。“捕获”一批随机样本，然后将它们 做标记，放回栖息地，然后“再捕获”第 2 批随机样本，观察来自第 1 批随机样本被标记的动物数。计算方法是假设标记动物占再捕获样 本的比例与第 1 次捕获占整个动物群的比例一样，公式为: N = ( M + 1) ( n +

场景中，可以用来自然生成法律条文或解读，通过简单的提示或问 题输入，模型可以生成高质量的法律文书。 变分自编码器则使用生成对抗网络的结构，推动了生成模型的 发展。其主要优点在于能够生成多样化的样本，同时保持一定的真 实性。这对于生成复杂的法律文件尤为重要，因为法律文件常常需 要有多样的表现形式，比如合同、判决书、政策文件等。利用变分 自编码器，模型可以在学习基本法律框架之后，生成不同类型的法 各种应用程序中，如自动生成法律意见书、快速回应公众法律咨询 等。 表格 1 列出了适用于判别模型的几种常见算法及其特点： 算法类型 优势 劣势 支持向量 机 高维空间处理能力强，适合小样本 学习 对于大规模数据集计算成本高 决策树 易于理解，适合数据可解释性需求 容易过拟合，对数据噪声敏感 随机森林 集成学习，降低过拟合风险 模型复杂度高，训练和推理时间较长 神经网络 处理复杂数据和特征的能力强 式，如 JSON、CSV 等。  数据平衡：在训练集中，对于不同类别的数据样本进行均衡处 理，确保模型训练的公平性和准确性。 表 1：数据处理步骤表 步骤 描述 数据清洗 去除重复、修正错误和填补缺失 数据标注 对数据进行结构化标注 数据格式化 转换为适合模型处理的格式 数据平衡 确保各类别数据样本均衡 经过预处理和清洗的数据将作为训练、验证和测试模型的基 础。目前，我们

时计算引擎、自适应学习模块和混合云部署能力。 2.1.1 高频业务场景梳理 高频业务场景的梳理是政务系统智能化的首要环节，需基于实 际业务流量数据和群众需求密度进行量化分析。通过对省级政务平 台近 6 个月业务工单的抽样统计（样本量 N=120 万），发现以下 五类业务占据总受理量的 82.3%： 1. 证照办理类 o 身份证补办/换领（日均请求量：2300+） o 不动产权证查询（峰值 QPS：150） o 营业执照申领（平均处理时长：3 采用三级校验机制确保标注准确率≥98%： 环节 执行角色 检查要点 输出物 初标 标注员 基础实体识别/意图分类 原始标注文件 复核 领域专家 术语准确性/流程逻辑 修正标注+错误日志 抽样审计 质检工程师 随机抽取 20%样本进行全维度检 查 质量评估报告（含 KRI 指标） 4. 训练策略优化 采用分阶段训练方案： o 基座模型微调：使用 LoRA 技术高效适配政务语料，设 置学习率 3e-5，batch 初审→现场核查 - 因果关联（BECAUSE-SO）： ” 如 未年检→行政处罚” 标注质量控制实施双盲校验机制： 1. 初标人员按业务模块分 工，每日标注量不超过 200 条 2. 质检员随机抽取 30%样本进行交 叉验证 3. 建立标注争议仲裁机制，由领域专家终审判定 标注工具选用支持多人协作的 BRAT 系统，配置政务专用标注 模板，内置以下校验规则： - 实体嵌套检测（如证件号必须包含在 证件类实体中）

备份任务 灵活配置 RANMC@2025.08 3.29 智能检索 - 人工智能：人脸识别 系统提供人工智能的人脸识别和语音识别，支持对照片、音频、视频进行智能检索 全文检索 自动提取标注样本 RANMC@2025.08 3.30 智能检索 - 人工智能：语音识别 系统提供人工智能的人脸识别和语音识别，支持对照片、音频、视频进行智能检索 自动识别采集 RANMC@2025.08