从政务场景来看,有三种场景:智能政务助手、智能流程审批、智能生成特定格式报告,跟Deepseek的优势能力相关。
在架构设计中,从上层应用软件到中台能力之间,加入一层模型层MaaS。在这个模型层中,加入了模型管理,同时由于引入了模型层, 在中台能力的架构中搭建三个组件:模型编辑组件、数据编辑组件和工程编辑组件。
模型编辑组件,作为模型参数适配微调的入口,进行模型调参;数据编辑组件,作为模型训练数据的向量化工具,对数据清洗后,首先打上标注,标注数据是训练模型的前提,要标注好数据才能得到好的训练结果。其次,进行数据向量化,也就是把数据之间关系进行关联。工程编辑组件,作为模型训练和推理的流程编排组件,安排模型进行训练,根据结果,进行训练适配,调整训练次数和先后关系;同时训练之后推理模型,使模型初步应用起来。
在政务办公来看,通常需要结合外部政策解读,分析当前政务办公流程,哪些需要整改,符合政策要求;这些政策分为国家政策、行业政策、地方政策等。这个场景主要由上层软件根据政策关键字和需求,在网上爬取最新的政策解读和政策原文,文本文件输入给Deepseek进行训练,同时也让DS内部搜索制度进行关联。
在智能流程审批场景,很多流程的审批意见是跟输入的作业来决定,作业往往是图片和采集结果,根据图片解析和采集数据来审批是否通过。这些流程相对比较简单,审批结论也是同意或驳回。
生成特定报告,则是以图生图,根据报告风格,把实际照片生成报告格式。
从政务场景来看,有三种场景:智能政务助手、智能流程审批、智能生成特定格式报告,跟Deepseek的优势能力相关。
在架构设计中,从上层应用软件到中台能力之间,加入一层模型层MaaS。在这个模型层中,加入了模型管理,同时由于引入了模型层, 在中台能力的架构中搭建三个组件:模型编辑组件、数据编辑组件和工程编辑组件。
模型编辑组件,作为模型参数适配微调的入口,进行模型调参;数据编辑组件,作为模型训练数据的向量化工具,对数据清洗后,首先打上标注,标注数据是训练模型的前提,要标注好数据才能得到好的训练结果。其次,进行数据向量化,也就是把数据之间关系进行关联。工程编辑组件,作为模型训练和推理的流程编排组件,安排模型进行训练,根据结果,进行训练适配,调整训练次数和先后关系;同时训练之后推理模型,使模型初步应用起来。
在政务办公来看,通常需要结合外部政策解读,分析当前政务办公流程,哪些需要整改,符合政策要求;这些政策分为国家政策、行业政策、地方政策等。这个场景主要由上层软件根据政策关键字和需求,在网上爬取最新的政策解读和政策原文,文本文件输入给Deepseek进行训练,同时也让DS内部搜索制度进行关联。
在智能流程审批场景,很多流程的审批意见是跟输入的作业来决定,作业往往是图片和采集结果,根据图片解析和采集数据来审批是否通过。这些流程相对比较简单,审批结论也是同意或驳回。
生成特定报告,则是以图生图,根据报告风格,把实际照片生成报告格式。