《基于大模型的電力企業(yè)向量知識庫及增強(qiáng)檢索應(yīng)用技術(shù)框架》編制

說明

（征求意見稿）

一、工作簡況

1主要工作過程

調(diào)研階段:2024年5月初開始，國網(wǎng)信息通信產(chǎn)業(yè)集團(tuán)有限公司牽頭各單位

成立標(biāo)準(zhǔn)編寫組，討論確定了標(biāo)準(zhǔn)的主要內(nèi)容及分工，同時進(jìn)行調(diào)研分析，收集

資料，準(zhǔn)備立項(xiàng)審查答辯;

標(biāo)準(zhǔn)立項(xiàng)階段:2024年5月底，召開了第一次標(biāo)準(zhǔn)的專家立項(xiàng)評審會，經(jīng)中

國電工技術(shù)學(xué)會標(biāo)準(zhǔn)工作委員會能源智慧化工作組專家組審議，批準(zhǔn)《基于大模

型的電力企業(yè)向量知識庫及增強(qiáng)檢索應(yīng)用技術(shù)框架》標(biāo)準(zhǔn)立項(xiàng):

編寫研制階段:2024年6月標(biāo)準(zhǔn)編寫組根據(jù)立項(xiàng)專家組意見和建議，標(biāo)準(zhǔn)編

寫組進(jìn)行標(biāo)準(zhǔn)編寫研制，形成了征求意見稿。

2主要參加單位和起草工作組成員及其所做的工作

標(biāo)準(zhǔn)編寫組收集了行業(yè)內(nèi)基于大模型的電力企業(yè)向量知識庫及增強(qiáng)檢索應(yīng)

用技術(shù)框架方面的相關(guān)資料，通過對比整理分析確定了標(biāo)準(zhǔn)主要技術(shù)內(nèi)容，由國

網(wǎng)信息通信產(chǎn)業(yè)集團(tuán)有限公司牽頭完成標(biāo)準(zhǔn)初稿編制，其他參與單位配合并負(fù)責(zé)

收集相關(guān)資料、提出建議。

主要參與單位有:國網(wǎng)信息通信產(chǎn)業(yè)集團(tuán)有限公司、福建億榕信息技術(shù)有限

公司。

二、標(biāo)準(zhǔn)編制原則和主要內(nèi)容

1、標(biāo)準(zhǔn)編制原則

本標(biāo)準(zhǔn)按照GB/T1.1—2020《標(biāo)準(zhǔn)化工作導(dǎo)則第1部分：標(biāo)準(zhǔn)化文件的

結(jié)構(gòu)和起草規(guī)則》的規(guī)定起草，遵循科學(xué)性、先進(jìn)性、經(jīng)濟(jì)性:堅(jiān)持實(shí)事求是，

以基于大模型的電力企業(yè)向量知識庫及增強(qiáng)檢索應(yīng)用技術(shù)框架為基礎(chǔ)，遵守國家

有關(guān)法律、法規(guī)，符合團(tuán)體標(biāo)準(zhǔn)要求，目的在于指導(dǎo)企業(yè)如何利用大規(guī)模預(yù)訓(xùn)練

模型來構(gòu)建高效、精準(zhǔn)的向量知識庫，并通過先進(jìn)的檢索技術(shù)實(shí)現(xiàn)知識的快速定

位和應(yīng)用，從而提升企業(yè)知識管理的智能化水平，實(shí)現(xiàn)對知識的深度挖掘和高效

利用，為企業(yè)的決策支持、業(yè)務(wù)創(chuàng)新和服務(wù)提升提供有力支撐。

在標(biāo)準(zhǔn)編制過程中，主要依據(jù)《GB/T41867—2022人工智能術(shù)語》、《GB/T

42755—2023人工智能面向機(jī)器學(xué)習(xí)的數(shù)據(jù)標(biāo)注規(guī)程》、《GB/T43782—2024人

工智能機(jī)器學(xué)習(xí)系統(tǒng)技術(shù)要求》、《GB/T5271.28—2001信息技術(shù)詞匯第28

部分;人工智能基本概念與專家系統(tǒng)》、《GB/T5271.34—2006信息技術(shù).詞

匯.第34部分:人工智能.神經(jīng)網(wǎng)絡(luò)》、《T/CES156—2022電力智能交互文

本訓(xùn)練語料標(biāo)注規(guī)范》、《T/CES129—2022電力人工智能平臺樣本規(guī)范》標(biāo)

準(zhǔn)。

2、標(biāo)準(zhǔn)主要內(nèi)容

本標(biāo)準(zhǔn)分為6個章節(jié)，（1）范圍;（2）規(guī)范性引用文件;（3）術(shù)語和定義;

（4）符號、代號和縮略語;（5）企業(yè)向量知識庫構(gòu)建;（6）基于大模型的企業(yè)

向量知識庫增強(qiáng)檢索應(yīng)用。主要技術(shù)內(nèi)容如下：

企業(yè)向量知識庫構(gòu)建：包括企業(yè)向量知識庫技術(shù)框架規(guī)則、知識數(shù)據(jù)歸集與

預(yù)處理規(guī)則、向量模型訓(xùn)練規(guī)則、知識向量化規(guī)則、向量知識庫構(gòu)建規(guī)則、向量

知識維護(hù)和更新規(guī)則。

基于大模型的企業(yè)向量知識庫增強(qiáng)檢索應(yīng)用：包括基于大模型的企業(yè)向量知

識庫增強(qiáng)檢索應(yīng)用技術(shù)框架規(guī)則、檢索意圖識別規(guī)則、知識檢索與整合規(guī)則、內(nèi)

容生成與優(yōu)化規(guī)則、安全與隱私保護(hù)規(guī)則。

3、主要技術(shù)差異

本標(biāo)準(zhǔn)為新制度標(biāo)準(zhǔn)，無主要技術(shù)差異。

4、解決的主要問題

本標(biāo)準(zhǔn)主要解決傳統(tǒng)電力知識應(yīng)用缺少標(biāo)準(zhǔn)化知識表示與存儲與缺少足夠

的語義理解能力兩個主要問題：

（1）缺少標(biāo)準(zhǔn)化知識表示與存儲：傳統(tǒng)的知識庫往往采用基于文本或關(guān)鍵

詞的存儲方式，這種方式難以捕捉知識的深層語義信息。企業(yè)向量知識庫構(gòu)建技

術(shù)框架利用向量表示技術(shù)，將知識轉(zhuǎn)化為高維向量空間中的點(diǎn)，能夠更準(zhǔn)確地表

示知識的語義信息，并支持基于向量的高效存儲和檢索。

（2）缺少足夠的語義理解能力：傳統(tǒng)的檢索方式往往只能基于關(guān)鍵詞進(jìn)行

匹配，難以捕捉查詢的深層語義信息?；诖竽Ｐ偷脑鰪?qiáng)檢索應(yīng)用框架利用大規(guī)

模預(yù)訓(xùn)練模型的強(qiáng)大語義理解能力，能夠更準(zhǔn)確地理解用戶查詢的意圖，提高檢

索的準(zhǔn)確性和相關(guān)性。

三、主要試驗(yàn)（或驗(yàn)證）情況

本標(biāo)準(zhǔn)不涉及試驗(yàn)（或研制）情況。

四、標(biāo)準(zhǔn)中涉及專利的情況

本標(biāo)準(zhǔn)不涉及專利問題。

五、預(yù)期達(dá)到的社會效益、對產(chǎn)業(yè)發(fā)展的作用等情況

（1）構(gòu)建高效、精準(zhǔn)的向量知識庫。

（2）實(shí)現(xiàn)知識的快速定位和應(yīng)用。

（3）提升企業(yè)知識管理的智能化水平，為企業(yè)的決策支持、業(yè)務(wù)創(chuàng)新和服

務(wù)提升提供有力支撐。

六、與國際、國外對比情況

國際暫無相關(guān)參照標(biāo)準(zhǔn)。國內(nèi)已有《GB/T41867—2022人工智能術(shù)語》、

《GB/T42755—2023人工智能面向機(jī)器學(xué)習(xí)的數(shù)據(jù)標(biāo)注規(guī)程》、《GB/T43782

—2024人工智能機(jī)器學(xué)習(xí)系統(tǒng)技術(shù)要求》、《GB/T5271.28—2001信息技術(shù)

詞匯第28部分;人工智能基本概念與專家系統(tǒng)》、《GB/T5271.34—2006信

息技術(shù).詞匯.第34部分:人工智能.神經(jīng)網(wǎng)絡(luò)》，可為標(biāo)準(zhǔn)制定提供借鑒與參

考。目前，國內(nèi)缺少面向電力企業(yè)向量知識庫的檢索應(yīng)用技術(shù)框架標(biāo)準(zhǔn)。本標(biāo)準(zhǔn)

與現(xiàn)行的相關(guān)法律、法規(guī)、規(guī)章與相關(guān)標(biāo)準(zhǔn)保持一致。

七、在標(biāo)準(zhǔn)體系中的位置，與現(xiàn)行相關(guān)法律、法規(guī)、規(guī)章及相關(guān)標(biāo)準(zhǔn)，特

別是強(qiáng)制性標(biāo)準(zhǔn)的協(xié)調(diào)性

本標(biāo)準(zhǔn)與現(xiàn)行的相關(guān)法律、法規(guī)、規(guī)章與相關(guān)標(biāo)準(zhǔn)保持一致。

八、重大分歧意見的處理經(jīng)過和依據(jù)

標(biāo)準(zhǔn)編制過程中廣泛征集了專家意見，