当前位置: 首页 > news >正文

商汤联合建工社共同打造“住建领域法规标准知识大模型”

近日,商汤科技与中国建筑出版传媒有限公司(下称“建工社”)共同发布“住建领域法规标准知识大模型”,共同探索新型知识服务模式。大模型聚焦建筑行业,以商汤“日日新SenseNova 5.5”大模型体系为基础,结合海量住建行业标准、法律条款、设计及工艺规范等知识库数据,为建筑设计、规划、施工等带来智能、高效、专业的知识扩展和应用支持。

住房城乡建设部总经济师曹金彪出席,肯定了利用信息化、数字化技术,开发建设住房城乡建设领域法规标准知识大模型的重要意义和创新实践。

曹金彪表示:“要积极运用现代信息技术和创新手段,打造具有核心竞争力和高附加值的新质生产力。要采用大模型的理念和方法,进一步拓展服务广度和深度,不断增强平台的权威性、全面性,使其真正成为用户体验好、喜欢用的数字平台,服务好行业发展和社会需求。”

商汤科技数字经济研究院院长李森对人工智能支撑数字住建的探索与实践进行了报告。报告重点展示了人工智能在住建领域的多项创新应用,包括大模型推动住建领域标准数智化转型,通过多源数据融合构建城市数字孪生底座,结合人工智能+遥感技术服务住建管理,运用数字资产档案、大空间虚拟现实和增强现实技术等打造历史文化名城和街区保护新范式等。此外,报告还对全面支撑数字住建进行了系统性设计,提出住建领域全生命周期人工智能大模型体系,致力于打造智能、高效、创新的数字住建超级应用。

技术层面,商汤科技海外研发中心产品总监吴婷表示,充分利用行业知识和信息去深耕和整合,会让我们在大模型赛道更有竞争力。我们和客户一起构建了完善的知识体系,并确保模型能配合知识体系,实现精细化的检索,支持三层回述。模型训练中采用自然语言的方式提供人工反馈,取代二分类reward机制,确保更好的训练效果。

精准、高效、便捷,打造住建工作者的贴身助手

目前“住建领域法规标准知识大模型”已经在住房城乡建设领域法规标准知识服务平台上投入应用。作为“法规标准AI”,赋能智能问答、智能集成、智能查重、智能比对等功能模块,让我们可以更高效、精准、便捷地查阅和掌握住建领域相关知识,成为提升工作效率的贴身助手。

其中,智能问答功能让用户只需通过对话,就能快速查找、精准定位相关知识,并且相较于市场上其他通用AI产品具有更强的专业性,不仅能够提供更加精准的建筑法规标准和术语应用,还能与最新法规标准同步,避免使用过时信息,确保文档的时效性和合规性。

智能问答

智能集成功能可以根据用户输入的想法和关键词,快速整合成一篇结构完整、内容丰富的专业文档,充分满足法规标准编写、技术交底、施工组织设计或建筑合同等文档制作对专业性和准确性的要求。其内置的大量建筑行业专用模板,可确保文档结构和内容的专业性和规范性,结合对海量法律法规、标准规范的深度学习,让写作更贴近行业实践,此外还可根据行业专家反馈持续优化,确保生成的文档满足最高专业标准。

智能集成

用户还可以运用智能查重、智能比对功能,提升文件内容准确性、确保内容原创性。智能查重功能可以帮助用户快速检出文档中的重复或相似内容,直观显示重复字数、相似度等结果。

智能查重

智能比对功能可以迅速将两个版本的文档进行精确对比,并用不同颜色标注增、删、改内容,方便用户审阅修改。

智能比对

面向住建行业,深度融合专有知识与专家经验

住建行业的数据量庞大,内容种类繁多,规范、条款成千上万,还具备较强的时效性和专业性,并有严格的文本格式标准诉求。同时,已有规范会根据时间、地域的变迁产生差异和变更,因此对于大模型应用提出了较大挑战。

对此,商汤科技依托强大的基础模型能力,从基模型预训练、监督微调(SFT)、强化学习奖励(RLHF)等多个维度进行大幅训练优化,打造的“住建领域法规标准知识大模型”能够更好地理解和应用建筑领域的专有知识。

商汤的行业大模型基于高达6亿tokens的高质量住建知识数据训练而成,覆盖超过8000本行业标准、法律法规内容。还采用了专业处理流程,能够解决数据噪声、信息冲突等多种数据处理难题,保障处理结果的准确性。针对住建这种高知识密度的领域,模型还融合了大量的专家经验,能够有效应对行业标准规范多且繁杂的问题,提升对不同验收标准、行业术语的理解能力。

未来,双方还将进一步挖掘大模型技术与住建行业结合的应用潜力,例如通过大模型的AIGC能力撰写辅助文档、生成设计图纸、根据建筑的结构和材料预测使用寿命、基于人口布局和交通流量提供城市规划建议等等,将创新和应用深入数字住建全生命周期,不断推进住建行业的数字化发展,释放行业数据的要素潜能,赋能住房和城乡建设事业高质量发展。

相关文章:

商汤联合建工社共同打造“住建领域法规标准知识大模型”

近日,商汤科技与中国建筑出版传媒有限公司(下称“建工社”)共同发布“住建领域法规标准知识大模型”,共同探索新型知识服务模式。大模型聚焦建筑行业,以商汤“日日新SenseNova 5.5”大模型体系为基础,结合海…...

基于STM32的智能交通监控系统教程

目录 引言环境准备智能交通监控系统基础代码实现:实现智能交通监控系统 车辆检测模块交通流量分析模块通信与网络系统实现用户界面与数据可视化应用场景:交通管理与优化常见问题与解决方案收尾与总结 引言 随着城市化进程的加快,交通拥堵问…...

Git和TortoiseGit的安装与使用

文章目录 前言一、Git安装步骤查看版本信息 二、TortoiseGit安装中文语言包TortoiseGit 配置不同语言 Git基本原理介绍及常用指令 GitLab添加TortoiseGIT生成SSH Key 前言 Git 提供了一种有效的方式来管理项目的版本,协作开发,以及跟踪和应用文件的变化…...

改进YOLOv5:加入非对称卷积块ACNet,加强CNN 的内核骨架,包含VOC对比实验

🔥🔥🔥 提升多尺度、不规则目标检测,创新提升 🔥🔥🔥 🔥🔥🔥 捕捉图像特征和处理复杂图像特征 🔥🔥🔥 👉👉👉: 本专栏包含大量的新设计的创新想法,包含详细的代码和说明,具备有效的创新组合,可以有效应用到改进创新当中 👉👉👉: �…...

论文解读(12)-Transfer Learning

这个也是看论文的时候看到的,但是对这方面不是理解,需要对这方面知识点进行一个补充。 参考: 迁移学习概述(Transfer Learning)-CSDN博客 1. 什么是Transfer Learning? Transfer Learning就是迁移学习&…...

力扣高频SQL 50题(基础版)第三十八题

文章目录 力扣高频SQL 50题(基础版)第三十八题1484.按日期分组销售产品题目说明实现过程准备数据实现方式结果截图总结 力扣高频SQL 50题(基础版)第三十八题 1484.按日期分组销售产品 题目说明 表 Activities: ---…...

大模型下的视频理解video understanding

数据集 Learning Video Context as Interleaved Multimodal Sequences Motivation: 针对Narrative videos, like movie clips, TV series, etc.:因为比较复杂 most top-performing video perception models 都是研究那种原子动作or人or物 understandin…...

【网络安全】CR/LF注入+Race Condition绕过MFA

未经许可,不得转载。 文章目录 漏洞1:CR/LF注入前言正文漏洞2:Race Condition绕过MFA前言正文漏洞1:CR/LF注入 前言 ExaHub(此处为虚拟名称)是一个专为 Exa 编程语言的爱好者和专业人士量身定制的平台。Exa 语言以其出色的速度和性能而闻名,广泛应用于科学计算、机器学…...

深度学习入门——卷积神经网络

本章的主题是卷积神经网络(Convolutional Neural Network,CNN)。CNN被用于图像识别、语音识别等各种场合,在图像识别的比赛中,基于深度学习的方法几乎都以CNN为基础。本章将详细介绍CNN的结构,并用Python实…...

快团团供货大大团长帮卖团长如何线上结算和支付货款?

一、如何支付结算单? 团长在快团团小程序【我的供货商】—【结算单】—【待支付】中,找到需要支付的结算单,点击【去支付】即可。 当有多笔结算单待支付时,团长可筛选供货商和日期找到需要支付的结算单,点击【去批量…...

vite vue3 Webstorm multiple export width the same name “default“

系统格式不一样,导致代码文件格式冲突导致的,解决方法找到对应的文件,将文件类型切换成LF。...

Transformer预测模型及其Python和MATLAB实现

### 一、背景 在自然语言处理(NLP)领域,传统的序列到序列(Seq2Seq)模型大多依赖于循环神经网络(RNN)和长短期记忆(LSTM)网络。这些模型虽然在许多任务中取得了成功&…...

草的渲染理论

Unity引擎提供了基础的terrain工具,可以制作地形,在上面刷树刷草。对于树,Unity是支持带LOD的Prefab,不同距离显示不同细节的模型,效果还不错。对于草,Unity支持两种方式来刷草,一种是Add Grass…...

Redis:十大数据类型

键(key) 常用命令 1. 字符串(String) 1.1 基本命令 set key value 如下:设置kv键值对,存货时长为30秒 get key mset key value [key value ...]mget key [key ...] 同时设置或者获取多个键值对 getrange…...

bugku-web-source

kali中先用dirsearch工具扫描后台目录,然后用wget -r url/.git命令递归下载后,进入txt文件使用git reflog命令然后只用git show查看作者提交flag日志,用git show 一个一个去尝试,很多假的flag git reflog 是一个 Git 命令&#x…...

一键生成视频并批量上传视频抖音、bilibili、腾讯(已打包)

GenerateAndAutoupload Github地址:https://github.com/cmdch2017/GenerateAndAutoupload 如何下载(找到最新的release) https://github.com/cmdch2017/GenerateAndAutoupload/releases/download/v1.0.1/v1.0.1.zip 启动必知道 conf.py …...

Python WSGI服务器库之gunicorn使用详解

概要 在部署 Python Web 应用程序时,选择合适的 WSGI 服务器是关键的一步。Gunicorn(Green Unicorn)是一个高性能、易于使用的 Python WSGI HTTP 服务器,适用于各种应用部署场景。Gunicorn 设计简洁,支持多种工作模式,能够有效地管理和处理大量并发请求。本文将详细介绍…...

Java编程达人:每日一练,提升自我

目录 题目1.以下哪个单词不是 Java 的关键字?2.boolean 类型的默认值为?3.以下代码输出正确的是?4.以下代码,输出结果为:5.以下代码输出结果为:6.以下代码输出结果为?7.float 变量的默认值为&am…...

(35)远程识别(又称无人机识别)(二)

文章目录 前言 4 ArduRemoteID 5 终端用户数据的设置和使用 6 测试 7 为OEMs添加远程ID到ArduPilot系统的视频教程 前言 在一些国家,远程 ID 正在成为一项法律要求。以下是与 ArduPilot 兼容的设备列表。这里(here)有一个关于远程 ID 的很好解释和常见问题列表…...

提供三方API接口、调用第三方接口API接口、模拟API接口(一)通过signature签名验证,避免参数恶意修改

为什么要设计安全的api接口 运行在外网服务器的接口暴露在整个互联网中,可能会受到各种攻击,例如恶意爬取服务器数据、恶意篡改请求数据等,因此需要一个机制去保证api接口是相对安全的。 本项目api接口安全设计 本项目api接口的安全性主要…...

JavaSec-RCE

简介 RCE(Remote Code Execution),可以分为:命令注入(Command Injection)、代码注入(Code Injection) 代码注入 1.漏洞场景:Groovy代码注入 Groovy是一种基于JVM的动态语言,语法简洁,支持闭包、动态类型和Java互操作性&#xff0c…...

内存分配函数malloc kmalloc vmalloc

内存分配函数malloc kmalloc vmalloc malloc实现步骤: 1)请求大小调整:首先,malloc 需要调整用户请求的大小,以适应内部数据结构(例如,可能需要存储额外的元数据)。通常,这包括对齐调整,确保分配的内存地址满足特定硬件要求(如对齐到8字节或16字节边界)。 2)空闲…...

8k长序列建模,蛋白质语言模型Prot42仅利用目标蛋白序列即可生成高亲和力结合剂

蛋白质结合剂(如抗体、抑制肽)在疾病诊断、成像分析及靶向药物递送等关键场景中发挥着不可替代的作用。传统上,高特异性蛋白质结合剂的开发高度依赖噬菌体展示、定向进化等实验技术,但这类方法普遍面临资源消耗巨大、研发周期冗长…...

汽车生产虚拟实训中的技能提升与生产优化​

在制造业蓬勃发展的大背景下,虚拟教学实训宛如一颗璀璨的新星,正发挥着不可或缺且日益凸显的关键作用,源源不断地为企业的稳健前行与创新发展注入磅礴强大的动力。就以汽车制造企业这一极具代表性的行业主体为例,汽车生产线上各类…...

华为OD机试-食堂供餐-二分法

import java.util.Arrays; import java.util.Scanner;public class DemoTest3 {public static void main(String[] args) {Scanner in new Scanner(System.in);// 注意 hasNext 和 hasNextLine 的区别while (in.hasNextLine()) { // 注意 while 处理多个 caseint a in.nextIn…...

Ascend NPU上适配Step-Audio模型

1 概述 1.1 简述 Step-Audio 是业界首个集语音理解与生成控制一体化的产品级开源实时语音对话系统,支持多语言对话(如 中文,英文,日语),语音情感(如 开心,悲伤)&#x…...

ios苹果系统,js 滑动屏幕、锚定无效

现象:window.addEventListener监听touch无效,划不动屏幕,但是代码逻辑都有执行到。 scrollIntoView也无效。 原因:这是因为 iOS 的触摸事件处理机制和 touch-action: none 的设置有关。ios有太多得交互动作,从而会影响…...

智能AI电话机器人系统的识别能力现状与发展水平

一、引言 随着人工智能技术的飞速发展,AI电话机器人系统已经从简单的自动应答工具演变为具备复杂交互能力的智能助手。这类系统结合了语音识别、自然语言处理、情感计算和机器学习等多项前沿技术,在客户服务、营销推广、信息查询等领域发挥着越来越重要…...

【JVM】Java虚拟机(二)——垃圾回收

目录 一、如何判断对象可以回收 (一)引用计数法 (二)可达性分析算法 二、垃圾回收算法 (一)标记清除 (二)标记整理 (三)复制 (四&#xff…...

嵌入式学习之系统编程(九)OSI模型、TCP/IP模型、UDP协议网络相关编程(6.3)

目录 一、网络编程--OSI模型 二、网络编程--TCP/IP模型 三、网络接口 四、UDP网络相关编程及主要函数 ​编辑​编辑 UDP的特征 socke函数 bind函数 recvfrom函数(接收函数) sendto函数(发送函数) 五、网络编程之 UDP 用…...