大語言模型賦能招標(biāo)采購的路徑探析

徐溢 劉暉 劉巍  湖南湘能創(chuàng)業(yè)項目管理有限公司

摘要:本文對大語言模型賦能招標(biāo)采購的路徑進(jìn)行探討和分析,簡要概述了大語言模型發(fā)展和招標(biāo)采購形式的演變，總結(jié)了大語言模型在案例教學(xué)、招標(biāo)文件審查、投標(biāo)文件初評、投標(biāo)文件縱橫詳評等場景的應(yīng)用需求、實現(xiàn)路徑和預(yù)計成效、對面臨的數(shù)據(jù)、算法、人才、政策等挑戰(zhàn)開展分析,為招標(biāo)采購相關(guān)研究人員和從業(yè)人員拋磚引玉，助力全國統(tǒng)一大市場的建設(shè)和招投標(biāo)市場的規(guī)范健康發(fā)展。

關(guān)鍵詞:大語言模型:電子招投標(biāo):智能評審

一、引言

自BERT、GPT、T5等大語言模型問世以來，人工智能研發(fā)與應(yīng)用熱潮席卷全球，應(yīng)用場景不斷拓展，廣泛應(yīng)用于問答系統(tǒng)、文本生成、語言翻譯等領(lǐng)域。大語言模型是以大量的文本數(shù)據(jù)作為語料訓(xùn)練的深度學(xué)習(xí)模型，依靠自注意力機(jī)制進(jìn)行輸入序列的處理，并生成和輸出序列，具有并行計算優(yōu)勢，能同時處理多個序列，極大地提高計算效率。

隨著我國經(jīng)濟(jì)的不斷增長和信息技術(shù)的發(fā)展，招標(biāo)采購形式也在不斷演變，傳統(tǒng)的紙質(zhì)招投標(biāo)逐步被電子化替代，大語言模型等新一代信息技術(shù)與招投標(biāo)業(yè)務(wù)加快融合，在保障招投標(biāo)“公開、公平、公正”、提高招標(biāo)質(zhì)量、降本增效等方面發(fā)揮了重要作用，將成為全國統(tǒng)一大市場建設(shè)、供應(yīng)鏈現(xiàn)代化發(fā)展、招投標(biāo)數(shù)智化轉(zhuǎn)型的重要手段。

二、大語言模型在招標(biāo)采購的嵌入場景

1.招標(biāo)采購案例教學(xué)

招標(biāo)采購具有領(lǐng)域廣、專業(yè)要求高、風(fēng)險隱患多等特點，從業(yè)人員主要依靠老員工傳幫帶和自身長期摸索積累經(jīng)驗，至今未能形成一門專業(yè)學(xué)科難以系統(tǒng)地學(xué)習(xí)相關(guān)法律法規(guī)、行業(yè)規(guī)范、典型案例等專業(yè)知識，不利于人才的快速成長與全面培養(yǎng)。

大語言模型應(yīng)用于知識問答系統(tǒng)的技術(shù)路線已經(jīng)成熟，在智能客服和教育行業(yè)已有較多成功應(yīng)用案例，但在招標(biāo)采購領(lǐng)域的專業(yè)培養(yǎng)尚未起步。通過對相關(guān)法律法規(guī)、行業(yè)規(guī)范、典型案例的匯聚與清洗，建立高質(zhì)量的招標(biāo)采購知識語料，開展大語言模型訓(xùn)練與微調(diào)，持續(xù)更新負(fù)面案例對大語言模型進(jìn)行預(yù)訓(xùn)練，生成教學(xué)案例幫助從業(yè)人員熟悉法律法規(guī)、行業(yè)規(guī)范和答疑解惑，加強(qiáng)專業(yè)知識儲備，提高專業(yè)素養(yǎng)，為企業(yè)節(jié)省培養(yǎng)成本和培養(yǎng)時間。

2.招標(biāo)文件智能審查

招標(biāo)文件審查是招標(biāo)采購的重要環(huán)節(jié)，專家對招標(biāo)文件的標(biāo)段劃分、資格條件、評審辦法等內(nèi)容進(jìn)行全面審查，傳統(tǒng)的人工審查容易受到專家知識經(jīng)驗的限制，專家不僅要具備與招標(biāo)項目相關(guān)的專業(yè)技術(shù)知識，還要熟悉了解招投標(biāo)相關(guān)的法律法規(guī)和行業(yè)規(guī)范。

當(dāng)前已有部分電子招投標(biāo)系統(tǒng)實現(xiàn)了招標(biāo)文件的結(jié)構(gòu)化編制，但仍有大量關(guān)鍵信息需要人工填寫，存在錯誤和疏漏的風(fēng)險。通過法律法規(guī)及負(fù)面案例訓(xùn)練的招標(biāo)文件審查大語言模型，能夠完整地“記憶”招投標(biāo)相關(guān)要求，精準(zhǔn)地標(biāo)記資格條件等關(guān)鍵內(nèi)容,快速地識別歧視性條款等潛在風(fēng)險，及時提醒編制人員修改完善，將有效降低合規(guī)風(fēng)險，提高審查效率，降低審查成本。

3.投標(biāo)文件初審

投標(biāo)文件的初步審查主要包括形式評審、資格評審和響應(yīng)性評審，只需要進(jìn)行“合格”或“不合格”的簡單邏輯判斷。投標(biāo)文件內(nèi)容多篇幅長，動輒成百上千頁，需要評審專家耗費大量時間進(jìn)行重復(fù)度高、技術(shù)含量較低的初審工作。

在時間有限、專家資源寶貴的情況下，大語言模型按照招標(biāo)文件要求，對投標(biāo)文件的格式內(nèi)容、投標(biāo)人的資格條件、實質(zhì)性要求的響應(yīng)情況進(jìn)行逐一比對，輔助評審專家高效開展初步評審,提高工作質(zhì)效，釋放稀缺的專家資源。

4.投標(biāo)文件縱橫詳評

現(xiàn)行招投標(biāo)制度賦予評審專家的自主裁量權(quán)較大，評審專家的專業(yè)知識、實踐經(jīng)驗和主觀傾向，制約了招投標(biāo)客觀公正、競爭擇優(yōu)功能的發(fā)揮。

大語言模型通過提前學(xué)習(xí)招標(biāo)文件中的評審辦法，按照評審要素和評分標(biāo)準(zhǔn)，對投標(biāo)文件響應(yīng)內(nèi)容進(jìn)行客觀量化打分，實現(xiàn)投標(biāo)文件的縱向評審。得到縱向評分后再將同一標(biāo)包下所有投標(biāo)文件進(jìn)行橫向?qū)Ρ?，逐一修正每個評審項的最終評分，完成投標(biāo)文件的橫向評審。評審專家可結(jié)合縱橫詳評結(jié)果開展復(fù)審確認(rèn)，評標(biāo)效率大幅提升，評標(biāo)結(jié)果更加客觀公正。

三、面臨的挑戰(zhàn)

1.數(shù)據(jù)隱患

數(shù)據(jù)安全是規(guī)范使用招標(biāo)采購大語言模型的最基本要求，訓(xùn)練數(shù)據(jù)涉及招投標(biāo)各方的員工隱私及商業(yè)秘密，在傳輸、存儲與預(yù)處理等環(huán)節(jié)均存在數(shù)據(jù)泄漏與被竊取的風(fēng)險，使用不當(dāng)會給個人與企業(yè)帶來不可估量的損失。招標(biāo)代理機(jī)構(gòu)和招標(biāo)人須嚴(yán)格遵守《網(wǎng)絡(luò)安全法》《數(shù)據(jù)安全法》《個人信息保護(hù)法》等法律法規(guī)，采用加密、數(shù)據(jù)審計、防火墻等技術(shù)手段，加強(qiáng)數(shù)據(jù)的安全管理，在使用數(shù)據(jù)的過程中，守住自己的數(shù)據(jù)不被竊取與非法使用，也不侵害個人或其他組織的合法權(quán)利。

數(shù)據(jù)質(zhì)量是招標(biāo)采購大語言模型公平、公正的關(guān)鍵。在選用訓(xùn)練數(shù)據(jù)時，要遵循一定的標(biāo)準(zhǔn)與規(guī)范，避免使用不完整、錯誤的數(shù)據(jù)和存在歧視隱患的數(shù)據(jù)，提高大語言模型的理解能力與生成質(zhì)量。如果訓(xùn)練數(shù)據(jù)帶有某些偏好，訓(xùn)練出的大語言模型也會產(chǎn)生偏見，如訓(xùn)練數(shù)據(jù)中強(qiáng)調(diào)本地化服務(wù)，訓(xùn)練出的大語言模型會在評審時排斥其他地區(qū)的公司，從而影響招標(biāo)采購結(jié)果的公平公正。

2.算法的不可解釋性

大語言模型是一類深度神經(jīng)網(wǎng)絡(luò)算法，由大量的神經(jīng)元互聯(lián)，其內(nèi)部結(jié)構(gòu)和計算過程復(fù)雜，目前不能完全被理解，也被稱為算法的不可解釋性。由于算法缺乏透明度和可解釋性，使用大語言模型生成的招標(biāo)采購文件和評審意見，難以獲得招投標(biāo)各方的信任。

隨著人工智能技術(shù)研究的深入，人類有望能更好地理解和解釋大語言模型，政府也可通過制定算法倫理規(guī)范、加強(qiáng)合法性審查和分級分類監(jiān)管，以確保大語言模型的公平、公正和規(guī)范使用。

3.法律法規(guī)滯后

大語言模型如果缺乏相關(guān)知識或內(nèi)化錯誤知識就容易產(chǎn)生“幻覺2023年7月，由國家互聯(lián)網(wǎng)信息辦公室等7個部門發(fā)布的《生成式人工智能服務(wù)管理暫行辦法》正式實施，堅持安全與發(fā)展、創(chuàng)新與法治相結(jié)合，鼓勵與引導(dǎo)生成式人工智能的研究與應(yīng)用，防止虛假信息傳播、個人隱私信息侵害、偏見歧視等事件發(fā)生。

由于無法從技術(shù)上杜絕幻覺，國家有關(guān)部門應(yīng)持續(xù)推進(jìn)生成式人工智能立法，建立清晰可行的各參與方責(zé)權(quán)利界限，進(jìn)一步規(guī)范大語言模型的使用。各參與方應(yīng)積極應(yīng)對，及時予以糾正，建立容錯機(jī)制以確保大語言模型垂直行業(yè)應(yīng)用的健康有序發(fā)展。

4.復(fù)合型人才稀缺

當(dāng)前國內(nèi)外通用大模型應(yīng)用更多地集中在娛樂繪畫、智慧教育、智慧醫(yī)療等垂直行業(yè)，在招標(biāo)采購領(lǐng)域的應(yīng)用廣度與深度明顯不足。招標(biāo)采購大語言模型的稀缺，直接原因是缺少既懂招標(biāo)采購業(yè)務(wù)又熟悉大語言模型應(yīng)用技術(shù)的復(fù)合型人才，大語言模型訓(xùn)練人員主要來源于計算機(jī)專家，他們側(cè)重于大語言模型技術(shù)研究，對招標(biāo)采購業(yè)務(wù)了解不深，很難從業(yè)務(wù)的角度來建立專業(yè)領(lǐng)域知識庫，導(dǎo)致招標(biāo)采購大語言模型普遍存在業(yè)務(wù)理解能力差、專業(yè)性不強(qiáng)等問題。

可以通過搭建大語言模型技術(shù)研究人員與招標(biāo)采購從業(yè)人員的跨界交流平臺，深度融合大語言模型技術(shù)與招標(biāo)采購業(yè)務(wù)需求，開發(fā)高校、研究機(jī)構(gòu)與招標(biāo)采購代理機(jī)構(gòu)的產(chǎn)學(xué)研用項目，培養(yǎng)一批具備人工智能思維和招標(biāo)采購經(jīng)驗的復(fù)合型人才，為招標(biāo)采購領(lǐng)域的智能化轉(zhuǎn)型儲備人才資源。

5.招標(biāo)采購生態(tài)轉(zhuǎn)型陣痛

在招標(biāo)采購環(huán)節(jié)引入大語言模型，勢必對整個招標(biāo)采購生態(tài)鏈產(chǎn)生影響，招標(biāo)采購上下游企業(yè)的工作模式亟須轉(zhuǎn)變以適應(yīng)新的招標(biāo)采購生態(tài)。招標(biāo)人和招標(biāo)代理機(jī)構(gòu)需要熟悉掌握大語言模型的接口調(diào)用，用于編制招標(biāo)文件和組織評審會議;投標(biāo)人需要熟練應(yīng)用電子招投標(biāo)交易平臺、投標(biāo)文件結(jié)構(gòu)化編制工具等信息化技能;監(jiān)管部門需借助大語言模型提取專家、投標(biāo)方、招標(biāo)代理、投標(biāo)人之間的實體信息，使用知識圖譜構(gòu)建他們之間的關(guān)系，將監(jiān)管范圍覆蓋到數(shù)字化采購各環(huán)節(jié)，監(jiān)督工作提前介入到招標(biāo)采購過程以防患于未然。

四、結(jié)語

招標(biāo)采購工作隨著時代的變化與信息技術(shù)的不斷創(chuàng)新，其生產(chǎn)運營形式也在不斷發(fā)生演變。在數(shù)字化與智能化成為新質(zhì)生產(chǎn)力要素的今天，大語言模型在招標(biāo)采購領(lǐng)域的深入融合應(yīng)用，有助于充分釋放人力資源，降低經(jīng)濟(jì)成本和法律風(fēng)險，提升采購質(zhì)量與效益。但同時，也面臨著數(shù)據(jù)安全、算法監(jiān)管、法律法規(guī)、人才培養(yǎng)、轉(zhuǎn)型。

探索大語言模型在招標(biāo)采購中的應(yīng)用路徑，科研院所、高等學(xué)校與從事招標(biāo)采購行業(yè)的企業(yè)，在政府的指導(dǎo)下聯(lián)合開展“產(chǎn)、學(xué)、研”工作，探索構(gòu)建人工智能在招投標(biāo)領(lǐng)域應(yīng)用的治理體系，具有重要的現(xiàn)實價值和交叉融合創(chuàng)新意義。在數(shù)智化時代，應(yīng)充分發(fā)揮“大語言模型+”優(yōu)勢，助力招標(biāo)采購行業(yè)數(shù)智化轉(zhuǎn)型，帶動上下游產(chǎn)業(yè)鏈升級，加速構(gòu)建統(tǒng)一大市場。加大力度研究大語言模型算法與數(shù)據(jù)安全保護(hù)等信息技術(shù)，可確保招標(biāo)采購中人工智能應(yīng)用的合規(guī)性、公正性和透明度。