国庆钜惠 | 天河国云通答AI免费开放招标采购行业大模型，全民可用！

2024-09-30 10:12:39 | IT在线 | ITOL.com.cn

天河国云Tongda AI全新上线<招标采购行业大模型>

国庆来袭，我们很高兴向大家介绍

通答AI的最新成果

即:Tongda1-1.5B-BKI模型&

bid-announcement-zh数据集

这两项成果将为从事招标采购领域工作的你

带来极大的便捷与提升

现免费开放使用!

···

1、革新招标公告信息提取方式

在当前的招标公告处理中

许多机构依赖手动录入

规则匹配技术来提取关键信息

这种方式不仅耗时且容易出错

面对格式复杂的公告更是难以精准提取

此外

不同公告中信息结构各异

人工处理需要大量精力

去识别项目名称、预算金额、截止日期等

关键字段

虽然现有的AI大模型能够通过提示词

调优从文本中提取部分信息

但由于缺乏针对性训练

通用模型的精度有限

无法满足复杂领域的需求

为了克服这些挑战

通答AI团队推出国内首个

专门针对招标公告的

Tongda1-1.5B-BKI大模型

以轻量级、智能化的方式精准提取信息

让公告处理更高效、更可靠!

△ ModelScope模型

如果你想搜取新鲜全面的招投标资讯

那么登录通答AI官网即可免费使用!

不限次数!

(官网链接:https://www.tongdaai.com/bid-assistant/)

如果你是企业用户

想搭建像通答AI一样的

招标采购行业大模型

以下内容会更适合你哦~

2、Tongda1-1.5B-BKI模型，精准信息提取的利器

··

Tongda1-1.5B-BKI

是基于Qwen2-1.5B-Instruct的微调模型

专为招标公告的关键数据提取而设计

它能够自动识别并提取公告中的项目名称

预算金额、行业分类等关键信息

确保高效、准确地处理各种格式的公告内容

获取模型 :ModelScope

https://www.modelscope.cn/organization/Titongda?tab=model

主要特点

精确提取:即使格式变化多样，模型也能提取出重要信息，如预算、日期等。

专业领域适配:专注于中文招标公告，适用于各行各业多种格式的招标采购文档。

LoRA微调技术:高效、精简地进行任务处理，最大限度保留大模型的强大能力。

应用场景

企业的招标流程自动化:满足高效提取、分类和处理公告内容。

信息管理与决策支持:让业务流程更加智能。

#03

3、bid-announcement-zh数据集-大模型训练的坚实基础

与此同时，我们还推出了

与模型完美配合的

bid-announcement-zh数据集

该数据集包含来自多个行业的

2000条招标公告

以Alpaca格式精心处理

特别适合自然语言处理(NLP)模型的

微调和训练

获取模型 :ModelScope

https://www.modelscope.cn/organization/Titongda?tab=model

应用场景

模型微调:增强语言模型对专业文本的生成与理解能力。

信息提取与分类:自动识别公告中的预算金额、项目名称、日期等信息。

文本摘要生成:快速生成招标公告的简明摘要，节省阅读时间。

4、如何使用

Tongda1-1.5B-BKI模型现已免费开源

可在ModelScope上获取

链接:https://www.modelscope.cn/organization/Titongda?tab=model

供所有人使用

你可以通过参考模型卡中的说明

快速上手并使用

使用步骤

以下是通过ModelScope使用 Tongda1-1.5B-BKI 模型的简单步骤

安装必要的依赖:

pip install --upgrade 'modelscope>=1.18.1' 'transformers>=4.44.2' 'torch>=2.0' accelerate

加载模型与Tokenizer(左滑查看):

from modelscope.utils.hf_util import AutoModelForCausalLM， AutoTokenizer
import torch
device = "cuda"
model = AutoModelForCausalLM.from_pretrained("Titongda/Tongda1-1.5B-BKI"， device_map="auto"， torch_dtype=torch.float16)
tokenizer = AutoTokenizer.from_pretrained("Titongda/Tongda1-1.5B-BKI")
model.eval()

准备输入并生成输出(左滑查看):

input_text = "#### 通答产业园区(2024年-2027年)智能一体化项目公开招标公告..."
instruction = "分析给定的公告，提取关键信息..."
messages = [
{"role": "system"， "content": instruction}，
{"role": "user"， "content": input_report}
]
text = tokenizer.apply_chat_template(
messages，
tokenize=False，
add_generation_prompt=True
)
model_inputs = tokenizer([text]， return_tensors="pt").to(device)
generated_ids = model.generate(
model_inputs.input_ids，
max_new_tokens=512
)
generated_ids = [
output_ids[len(input_ids):] for input_ids， output_ids in zip(model_inputs.input_ids， generated_ids)
]
response = tokenizer.batch_decode(generated_ids， skip_special_tokens=True)[0]
response

结果展示:以示例公告为例，生成输出内容如下。

项目名称:"大通县公安局警用无人自动化机场项目"
公告类型:"采购公告-竞磋"
行业分类:"其他"
发布时间:"2024-08-27"
预算金额:"941500.00元"
采购人:"大通县公安局(本级)"
响应文件截至提交时间:"2024-09-10 09:00"
开标地址:"大通县政府采购服务中心"
所在地区:"青海省"