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"
(△ 公告界面)
通过以上的步骤
您可以快速部署Tongda1-1.5B-BKI模型
实现招标公告的关键数据提取
* 更多详细使用说明请参考开源平台上的模型卡，了解更多功能和进阶应用。
5、性能评估
Tongda1-1.5B-BKI 模型在
信息提取任务中的表现令人瞩目
与基础模型Qwen2-1.5B-Instruct相比
Tongda1-1.5B-BKI在多个评估指标上
均表现出色
尤其在招标公告的关键信息提取中
取得了显著提升
即使是与参数更大的
Qwen2.5-3B-Instruct和
Qwen2-7B-Instruct相比
Tongda1-1.5B-BKI依然展现出卓越的性能
此外，该模型的表现也优于
优化后的在线模型glm-4-flash
以下是各模型的评估结果:
福利加码
如果你不懂如何部署大模型，没有强大的 GPU 资源，或者觉得开发应用麻烦?别担心!我们已为你准备好了 “基于 Tongda1-1.5B-BKI 的智能标书助手 ”，免费开放给所有用户使用!
复制下方链接进入浏览器搜索，马上体验智能标书助手的便捷服务吧!
https://www.tongdaai.com/bid-assistant/index
智能标书助手支持全网项目搜索，让您轻松获取最新招标讯息，致力于成为您最忠实的工作伙伴，助您以更加专业、精准的姿态参与竞标，提升中标率，赢得更多商业机会。
天河国云通答AI，行业智能解决方案提供商，致力于为企业提供专业的售前方案和AI数字员工智能服务，自动化处理招投标流程并生成定制化解决方案，简化业务流程，提高文档处理、业务咨询、销售支持以及合同审核等多个关键领域的服务效率，是企业业务增长与效率提升的强大伙伴。期待与你⼀起探索未来!