2024图书馆领域大模型创新应用需求调研报告（V0-WN8正式版.docx

《2024图书馆领域大模型创新应用需求调研报告（V0-WN8正式版.docx》由会员分享，可在线阅读，更多相关《2024图书馆领域大模型创新应用需求调研报告（V0-WN8正式版.docx（72页珍藏版）》请在优知文库上搜索。

1、图书馆领域大模型创新应用需求调研报告（征求意见稿V）上海图书馆（上海科学技术情报研究所）2024年5月本报告为6图书馆领域大模型新应用需求调研报告的征求意见稿，仅供内部讨论、意见征集使用。在本告的编纂过程中，得到诸多同仁及联盟成员的宝贵支持和专业意见，对此表示衷心的感谢。本报告版权属于上海图书馆（上海科学技术情报研究所）、智慧图书馆技术应用联盟。本报告第二章节行业应用调研部分，整理自国内外公开网络信息和机构研报特此致谢！感谢各有关机构对大语言模型技术发展与行业应用的深入调研，并公开分享这些宝贵的学习资源。由于大模型技术与应用领域的匕速发展，本报告编写期很多方面如大模型能力、应用框架、多模态和智

2、能体等方面己发生很多进展，虽然本报告尽可能考虑了相关技术对领域应用的影响，但还是强烈建议您在参考本报告内容时，密切关注大模型技术的最新进展和动态.同时，我们深知本报告难免还存在不少疏漏与不足之处，因此我们对此表示敬意，并希望您提供宝货的反馈建议。报告各章编辑：第一率前言（嵇婷）第二章大模型行业应用研（许薪）第三章大模型对书馆的影响（嵇婷、周纲、许磊）第四章智款图大模型应用（嵇势、周纲、许磊）第五章图书馆典型大模型应用需求及场景举例（嵇婷、周纲、许磊、刘倩倩、姚馨、刘贝玲、徐凡、吕思诗、张春景）第六章总结与展望（嵇婷）联系方式：如对报告有任何建议，欢迎聘反饿意见发送：ca1.sp.第一章前言第二

3、章大模型行业应用调研32.1 大模型行业应用价值32.2 大模型行业应用服分42.3 大模型行业应用技术方案62.3.1 提示词工程62.3.2 检索生成增强2.3.3 智能体102.3.4 型微调132.4 大模型行业应用案例142.4.1 医药健康16.4.2金融保险172.4.3 文化教育18第三章大模型对图书馆的影响203.1 图书馆大模型影响分析203.2 图书馆大模型应用策略233.3 图书馆大模型应用路径253.4 图书馆大模型应用范式273.5 图书馆大模型技术架构29第四理智慈图书馆中的大模型应用314.1 智/服务中的大的大应用324.2 智裁业务中的大模型应用364.3

4、智型管理中的大模型用384.4 智意空间中的大模型应用41第五章图书馆典里型应用需求及场景举例445.1 钟想咨询455.1.1 需求45512场景举例455.1.3 己有案例462智假资源发现471.1.1 得求分析471.1.2 场景举例47523己有案例4953智意阅读推广491.1.3 需求分析491.1.4 场景举例501.1.5 己有案例515.4 智能知识服务525.4.1 需求分析S2542场景举例535.4.3 己有案例555.5 智能采编辅助565.5.1 需求分析565.5.2 场景举例575.5.3 己有案例605.6 数字资醺智能加工615.6.1 需求分析61562

5、场景举例615.6.3 已有案例625.7 数字人文智慧研窕与服务35.7.1 衡求分析635.7.2 场景举例5.7.3 已有案例665.8 馆员智龙助手675.8.1 衡求分析675.8.2 举例675.8.3 已有案例68第六章总结与展铤70Ffh云瀚应用商店A1.应用列表72第一章前人工智能(AI)技术以其迅猛的发展势头，正在成为推动社会进步的重耍力a.在A1.时代浪潮的推动下，以大模型技术为代表的生成式人工智能已经成为推动科技进步和产业变革的重：量，为各行各业带来了革新的可能。2023年7月.国家互联网信息办公室等七个中央部门联合发布/生成式人工智能服务管理哲行办法3,文件鼓励生成式

6、人工智能技术在各行业、各领域的创新应用，探索优化应用场景，构建应用生态体系.2024年，政府工作报告中明确提出深化人工智能研发应用，开展“人工智能+行动。国家鼓励人工智能技术与经济社各领域深度融合，以推动各行业应用创新，赋能百业智能化转型升伴随着新代A1.技术的兴起，图书馆界也迎来了重要的契机，步入了一个既充满机遇又面临挑战的新时代。在这一新的技术背景卜.，图书馆作为信息资源中心和知识服务核心场所，必须适应新时代的发展趋势.把握机遇，积极应对将A1.融入运营与服务中的史杂挑战。为了有效应对变革，上海图书馆(上海科学技术情报研究所联合上海人工智能研究院、智慧图书馆技术应用联盟于2023年9月发布

7、f$图节馆大规模模型创新与应用白皮书白皮书从宏观必面，解读了智敷图书馆在AI2.0时代的发展环境和机遇，勾勒了大模型技术赋能智慈图书馆全景应用视图、实现路径应用架构，为行业推进场景创新、落地实践、生态建设提出了方向性、建设性的参考与建议。本报告R在作为图书馆大规模模型创新与应用白皮书的补充，深入探讨大模型技术在图域的应用价值与潜在影响.在白皮书提出的图书佗领域大模型应用的总体架与应用视图的基础上，本报告进一步分析了大模型技术在智.道图书馆中可实践应用的具体领域、场珏和需求。本报告旨在揭示大模型在智慈图拈馆中的应用潜力与可能性，提供图拈馆在探索大模型技术新应用的参考，以助图书馆更好地把握人工智能

8、发展所带来的机遇。报告第二章首先对大模型的价值、技术、行业应用进行调研，旨在洞察行业趋势，评估大模型技术在图书馆领域的应用前第三章在详细分析了大模型对图书馆的影响后,提出了图书馆应用大模型的、路径和架构。报告第四章根据当前技术发展和落地现状，梳理J图书馆在智越服务、智慈业务、智越管理、智慈空间四个领域中，当前可实、实施或展望的A1.应用，并进行总结。第五章重:点聚焦于图书馆中的八个典型领域，通过需求分析、场景举例以及相关实践案例，深入探讨了大模里技术在这些领域的应用潜力。这八个领域是：参考咨询、资源发现、阅读推广、学术服务、采编辅助、资源加工、数字人文和管理决策，通过对这些关键领域的详细讨论告

9、意在激发更多的创新思维，促进图书馆领域在大模型技术的开发应用和产品设计方面的思考与实践。人工智能技术正处于快速演变之中.因此，本白皮书所阐述的观点和建议反映了当前阶段性的探索与思考。这些内容旨在为图书馆领域的未来发展提供启发,并促进对新兴技术趋势的理解和应用。随着技术进步和实践经验的积累，未来应用模式和需求可能会有所变化，需持续对这些变革保持关注，并适时进行调整和优化以适应新的发展趋势。我们深知报告中存在诸多不足之，因此，我们也诚挚邀各界人士进行批评指正，我们将借助各方经验对报进行修改和完善，从而为智慧图书馆大模型创新应用提供有益参考。第二章大模型行业应用调研2.1 大模型行业应用价值2022

10、年11月上线的生成式人工智（A1.GC.A1.GeneratedComent）应用ChatGPT,在大模型+大数据+力的加持下，其在语义理解、文本创作、代码编写、逻辑推理、知识问答等领域表现卓越，在具备/多场景、多用途、踏学科的任务处理能力，是人工智能技术极为关键的发屣节点YChatGPT的横空出世，标志着大语言模型（1.arge1.anguageMode1.1.1.M,简称“大模型D突破自然语言处理（Natura1.1.anguageProcessing,N1.P）领域以小模型为主导的传统发范式。通常认，大语言模型是基于海量自然语言数据进行预训练得到的超大型深度学习模型，参数通常从数十亿到超

11、千亿“底U基于Trmer深度神经网络.由具仃自注意力功能的编码罂和解码器组成，编码器和解码器从一系列文本中提取含义，能够理解更大能囤上下文的单词和短语之间的语义关系。这种巨量数据训练架构使得大语言模型具有了被称为“涌现”的泛化推理能力2,使其具有了通用人工智能（AGI）的特性。用同样方法对海量图片、音频、视频等多媒体信息结合语言数据进行预训练和指令微调的超大型深度学习模型也是大语言模型的一种发展，通常称为多模态大模型。也可以符上述两者并称为“大模型。大模型的“涌现能力”不仅可以实文本、图像、音频、视频的生成，构建多模态，还可以在更为广泛的领域生成新的设计，新的知识，甚至实现广义的艺术和科学的再

12、创造3。大模型的“大规模”和“预训练”属性，决定了其具有能力泛化、技术融合、应用大核心作用4.（1）能力泛方面，大模型预先在海量通用数据上训练使其具备了通用任务的泛化能力，更可进一步结合垂直行业和业务场景需求进行模型微调和应用适配，摆脱传统A1.能力碎片化、作坊式开发的束缚。大模型得益于其“大规模预训练+调”的范式，可以很好地适应不同下游任务，展现出它强大的通用性。（2）技术腱合方面，文本大模型融合语言、视觉、听觉等多模态信息，通】中W人工程傥学会.中W人I：皆使系列白皮书一一大模型3ffi）zhttpsw.cMi.tnindex.php?shonwart1.c1.edetad3172.htm

13、1.,2023.2赵/李军觌MJ,图灭一，文联荣.大iff。模型，https：M1.mbook-zh.Mhub.iM2024.3龙之黄妥.大梗型时代：ChirtGPT开启通用人工助解泡沏M.中译出版社,2023.4海通国际.MaaSMode1.asaService模即版务，https7pdf.dfcfw.pdfH3.AP202302081S8288S37S_1.pdf,2023.过对齐预训练和指令微调，实现多模态感知与统一表示：也可集成知识图谱、搜索引擎、代码执行、工具调用等技术，或者与小型融合，从而实现优势互补，性能上实现+的效果，显著提升模型的功能丰富性和性能优越性I2。(3)应用支掾方面

14、，大模型能力的至要体现是复杂任务推理2.复杂推理能够使大模型应用通过与工具、用户和外部环境的互动来完成电杂的指令。这为构建大员应用程序提供了机会，从而使大模型有机会成为下代计算平台/操作系统，有效支撑智能终端、系统、平台等产品应用落地，解决传统A1.应用过程中存在的壁垒多、部署难问题。从人工智能到各行业的商业应用，可以看作是上下游的关系。大模型因其自身在能力泛化与技术融合方面的优势，使其在应用支撑方面具先进性：同时大模型做了相对标准化，下游可以降低对算法的使用成本，商业应用的适配成本。因此，大模型在“AI+”行业中将承担“基础设施”式的功能，作为底座将A1.技术赋能干行百业。也就是说，在战于数

15、据的互联网时代、基于算力的云计算时代之后，将进入基于大模型的AI时代。在未来，基丁大模型，人工智能将如供水供电一般流向终端，流向用户和企业。2.2大模型行业应用服务大模里应用落地场景按照架构层级，一般可分为：模里层、中间层和应用层5。(1)第一层上游基础模型层，也就是由预训练模型为基础搭建的A1.GC技术基础设施层预训练模型的高成本和技术投入，具有较高的进入门槛，不在本文讨论范围。(2)第二层，为中间层，即垂直化、场景化、个性化的模型和应用工具。预训的大模型是基础设施，在此基础上可以快速抽取生成场比、定制化、个性化的小模型，实现在不同行业、垂直领域、功能场景的工业流水线式部署，同时兼具按需使用、高效经济的优势。随若兼具模型和多模态的AIGC模型加速成为新的技术平台，模型即服务(MOde1.ce.MaaS)开始成为现实。OPenAI创始人山姆奥特及(SamAItman)“认为中间那一层会创造很多价值。S腌iR研完胱.AIGC发心势报的2023,https：/eearch.tence