(略)年北京数智创新大赛十八道赛题已全部发布。为帮助各参赛团队精准把握命题脉络，深入理解每道赛题的背景立意、考核目标及攻坚难点，本期特对第二批十道赛题展开系统性解读。

　　赛题九、民国绘画文博知识图谱构建关键技术及原型验证

　　出题单位：(略)

　　赛题类型：(略)

　　赛题简介：(略)

　　问题现状：(略)

　　主要难点：

　　1.设计民国绘画文博数据模型，需要体现文博领域的专业性；

　　2.需要提升基于大语言模型信息抽取算法在领域的专业性，实现少样本或零样本的民国绘画文博关键信息抽取与关系识别；

　　3.通过知识融合与对齐将抽取的三元组构建为民国绘画文博知识图谱，体现知识的关联性；

　　4.需要合理设计并实现一个知识图谱原型系统，用于体现知识图谱在民国绘画领域的应用价值。

　　期望效果：(略)

　　赛题十、复杂气象条件下监控图像质量增强技术

　　出题单位：(略)

　　赛题类型：(略)

　　赛题简介：(略)

　　问题现状：(略)

　　例如，安装在山区或重点点位的监控设备，遇到强降水、暴雪等灾害性天气时，会使监控视频变得模糊不清，影响到灾害点位的图像监测、低洼地区的水位监测等相关的图像识别和探测设备的准确性。通过使用不同技术手段，实现对复杂气象条件下监控图像的高效、自适应增强，提升图像的可识别性与可用性，是当前智慧城市、交通安全、应急指挥等领域亟待解决的关键技术问题。

　　与此同时，气象部门天脸识别、自动雪深观测等智能观测设备同样受雨雪天气直接干扰，山区无人值守站点的监测画面退化问题尤为突出，直接影响气象实况观测精度与灾害早期预警能力，复杂气象下的图像增强技术已成为气象观测智能化升级的核心支撑技术之一。近年来，图像增强、去噪、超分辨率重建等技术方面展现出强大潜力，为提升恶劣天气下监控图像质量提供了新的技术路径。

　　主要难点：

　　1.需实现对暴雨、大雪等典型气象场景监控图像的自适应、精细化质量提升；

　　2.需建立气象要素（降水强度、降雪量级等）与图像退化机理之间的关联建模与条件感知机制，构建具备跨气象类型、跨监控场景泛化能力的气象AI图像认知模型；

　　3.需构建“气象实况—图像增强—智能感知”全链路；4.数据挑战：(略)

　　赛题目标：(略)

　　1.实现对暴雨、大雪等典型气象场景监控图像的自适应、精细化质量提升；

　　2.建立气象要素（降水强度、降雪量级等）与图像退化机理之间的关联建模与条件感知机制，构建具备跨气象类型、跨监控场景泛化能力的气象AI图像认知模型；

　　3.构建“气象实况—图像增强—智能感知”全链路，为多场景业务验证与推广应用提供技术支撑。

　　期望效果：(略)

　　赛题十一、基于文保单位数据的管理和保护利用

　　出题单位：(略)

　　赛题类型：(略)

　　赛题简介：(略)

　　问题现状：(略)

　　主要难点：

　　1.需打通各业务环节数据壁垒，盘活文保单位数据资产；

　　2.需利用大数据、AI、地理信息等现代信息技术实现文物科学保护和合理利用；

　　3.需挖掘贴合基层文保工作实际需求、可快速落地、易推广复制的技术成果。

　　赛题目标：

　　1.技术目标：(略)

　　2.系统目标：(略)

　　期望效果：

　　1.提升文保单位的数据管理效率，减少工作量，降低数据错误率。

　　2.增强文物保护的预判和应急响应能力，及时发现和处置文物安全隐患，减少文物损失。

　　3.挖掘文保单位数据的价值，为文物保护、开放利用、文化传播等提供依据。

　　赛题十二、基于互联网数据与路侧检测器数据融合的城市交通信号配时优化算法

　　出题单位：(略)

　　赛题类型：(略)

　　赛题简介：(略)

　　问题现状：(略)

　　主要难点：(略)

　　期望效果：

　　1.不同感知条件下（完备检测器数据+互联网数据、部分检测器数据+互联网数据、互联网数据等）的信号配时优化；

　　2.不同信控场景下（独立路口、子区路网（不多于(略)个路口））的信号配时优化；

　　3.不同交通需求下（早晚高峰、平峰、夜间；工作日、周日等）的信号配时优化；

　　4.算法具备在实际信号系统上轻量化部署的可行性，计算或推理具备较高的时效性。

　　赛题十三、基于大模型与深度学习的中医古籍多维度实体智能抽取与结构化

　　出题单位：(略)

　　赛题类型：(略)

　　赛题简介：(略)

　　问题现状：(略)

　　1.文本非结构化；

　　2.古汉语晦涩；

　　3.实体异名多；

　　4.边界模糊；

　　5.标注成本高；

　　6.通用模型易产生知识幻觉。

　　主要难点：(略)

　　期望效果：

　　1.建立覆盖(略)大类中医核心实体的统一标注与抽取标准；

　　2.实现古籍实体精准识别、边界切分、类型判定；

　　4.核心实体抽取精确率≥(略)%；

　　5.产出高质量古籍实体标注数据集与技术方案。

　　赛题十四、基于医学垂直大模型的门诊病历全流程实时内涵质控与数字化管理平台研发

　　出题单位：(略)

　　赛题类型：(略)

　　赛题简介：(略)

　　问题现状：(略)

　　开展门诊病历质控十分必要：(略)

　　当前国内绝大多数医院门诊病历质控还处于人工质控的现状，部分医院实现形式化规则校验（漏填、格式、时限等表层问题），内涵质控长期依赖人工月度抽查，存在四大行业痛点：

　　1.质控覆盖极低：(略)

　　2.质控后置滞后：(略)

　　3.管理数字化薄弱：(略)

　　4.传统规则引擎局限性：(略)

　　主要难点：(略)

　　1.依托AI模型开展病历全时段同步质控校验，对服务器集群并发算力、模型推理性能要求极高。门诊场景下需同步对病历文本开展语义识别、逻辑判别、合规筛查、诊疗规范匹配等多维度AI智能评估任务，当前AI推理能力暂未达到毫秒级、秒级即时响应标准，单份病历单次完整质控评估耗时可达数分钟。若要满足全院门诊多终端同步实时质控的运行需求，需大规模扩容高性能算力硬件、搭建专属AI推理集群，设备采购、机房部署、长期运维的综合投入成本居高不下，项目整体投入产出比偏低，资源配置经济性不足。

　　2.在病历编辑过程中或保存节点即时触发AI质控校验，会直接打断医师连贯的接诊诊疗流程。由于AI模型单次评估耗时较长，系统将出现长时间加载、延迟弹窗、规则滞后提示等交互问题，持续分散医师问诊、查体、制定诊疗方案的工作注意力，大幅拉长单例患者诊疗处置耗时，直接降低门诊整体接诊流转效率。从使用体验层面来看，频繁、长时间的AI校验等待会加重医师操作负担，造成患者现场就诊等待时间显著延长，双向劣化医师操作体验与群众就医感受，与门诊高效诊疗、流畅接诊的运营目标存在突出冲突。

　　赛题目标：

　　1.门诊病历全量(略)%实时质控，替代5%人工抽检；

　　2.病历内涵缺陷自动检出率由(略).7%提升至(略)%以上，书写提交前拦截率≥(略)%；

　　3.门诊甲级病历率提升至(略)%以上；

　　4.病案质控人工工作量下降(略)%，月度病历核查人力成本大幅缩减；

　　5.医保、等级评审相关病历不合规问题下降(略)%；

　　6.质控管理数据自动生成，科室缺陷分析、整改追踪效率提升至(略)%。

　　期望效果：

　　1.技术前卫：(略)

　　2.全流程前置干预：(略)

　　3.医管一体化双端平台：(略)

　　4.私有化安全大模型方案：(略)

　　5.可持续自进化AI体系：(略)

　　赛题十五、基于多源企业数据治理的大模型可信信息服务，释放数据要素价值

　　出题单位：(略)

　　赛题类型：(略)

　　赛题简介：(略)

　　问题现状：(略)

　　但长期以来存在“难治理、不可信、价值低”的行业瓶颈：(略)

　　通过对涉企数据的治理和价值发掘，将能够有效破解相关数据“难治理、不可信、价值低”的行业瓶颈，有利于激活海量沉睡的企业数据资源，释放商事数据要素的经济价值与社会价值，为数据要素市场化配置落地提供可复制、可推广的实践范式。

　　相关工作成果能够直接为政府产业运行动态监测、市场信用监管、惠企政策精准直达、市场主体全周期服务筑牢可信数据底座，支撑社会治理决策科学化、监管服务精准化，以数智技术持续优化市场化、法治化、国际化营商环境，切实降低全社会信息获取成本与市场交易成本，激发各类市场主体尤其是中小微企业的发展活力，助力实体经济提质增效与高质量发展。

　　赛题目标：(略)

　　通过创新涉企数据治理和应用范式，畅通商事数据要素流通与价值释放路径，为政府产业监测、市场信用监管、企业精准服务、公众信息查询、AI大模型应用筑牢数字化可信底座，助力降低市场交易成本、激发市场主体活力，赋能实体经济高质量发展。

　　期望效果：(略)

　　1.数据治理体系目标

　　形成覆盖数据接入、清洗标准化、实体对齐、增量更新、质量质检、合规管控、数据退市的全链路治理规范，具备跨场景复用与行业推广价值；建成自动化数据质量监控机制，异常数据识别召回率≥(略)%，误判率≤2%。

　　实现全量数据血缘可追溯，每条数据支持溯源采集来源、更新记录与校验状态，满足政务监管与合规审计要求。

　　2.高质量可信数据集建设目标

　　完成多源涉企数据的标准化治理与融合，产出适配大模型训练、检索增强（RAG）等场景的高质量可信数据集。

　　核心字段（企业名称、统一社会信用代码、行业分类、经营地址、联系方式）完整率≥(略)%；企业基础信息准确率≥(略)%，联系方式有效性准确率≥(略)%、无效号码识别率≥(略)%；同名企业实体消歧准确率≥(略)%，企业关联关系识别准确率≥(略)%；数据集字段维度≥(略)类，支持(略)小时增量更新，企业变更信息入库延迟≤(略)小时，可支撑政务服务、市场应用等多场景需求。

　　3.大模型可信应用效果目标：

　　基于可信数据集构建体系化的企业画像评估模型，实现企业特征的多维度量化刻画。建成覆盖基础属性、业务活跃度、风险提示等的企业标签体系，画像标签维度≥(略)类；企业核心属性标签匹配准确率≥(略)%，经营状态动态评估准确率≥(略)%；企业经营活跃度分级评估准确率≥(略)%，异常经营风险识别召回率≥(略)%；单户企业全维度画像生成时延≤(略)ms，支持批量企业画像生成与行业级画像统计分析；模型输出具备可解释性，每项画像标签均可追溯对应的数据来源与评估规则。

　　4.公共成效目标：

　　形成可复制推广的商事数据治理与企业画像应用实践范式，打通商事数据要素价值释放堵点，支撑数据要素市场化流通与深度应用；为政府产业运行监测、市场信用分级监管、惠企政策精准匹配、市场主体全周期服务提供可信数据底座与量化评估能力，为各类市场主体降低交易信息成本、提升经营决策效率提供普惠化数据支撑，助力营商环境数字化优化，赋能实体经济高质量发展。

　　赛题十六、诊疗交互范式革命：(略)

　　出题单位：(略)

　　赛题类型：(略)

　　赛题简介：(略)

　　问题现状：(略)

　　主要难点：

　　1.交互割裂与效率瓶颈：(略)

　　2.数据孤岛与价值挖掘不足：(略)

　　3.质控滞后与风险被动：(略)

　　赛题目标：(略)

　　依托医疗垂直领域大模型与多智能体（Multi-Agent）集群技术，构建深度嵌入医生工作站（HIS）底层的“智能语音医生助手”，通过智能体集群协同驱动业务流程，以自然语言交互重构传统诊疗链路：

　　1.多模态语音交互引擎：(略)

　　2.可解释性病历生成：(略)

　　3.主动式临床诊断质控：(略)

　　赛题十七、AOE国产自主轨道编目数据

　　出题单位：(略)

　　赛题类型：(略)

　　赛题简介：(略)

　　AOE太空轨道数据集为开运集团全链路自主研发、采集生产的国产化高精度空间目标轨道专业数据集，完全摆脱对境外NASA-TLE公开数据的依赖，具备完全自主知识产权与商用、科研使用资质，数据真实可靠、维度丰富、时效性强，可充分支撑各类太空轨道技术创新研究与算法模型研发工作。

　　问题现状：

　　1.数据来源。AOE太空轨道数据集全部来源于企业自建的天地一体化全域协同观测网络，为自主实测采集数据，无外部开源搬运、无境外数据嫁接。地面端依托全国及全球分布式部署的光学观测基站、望远镜阵列，形成大范围、多点位、全天候地面观测矩阵；天基端依托企业自研广视观测星座，实现高空、广域、无死角太空目标监测。通过天基、地基双体系协同互补，可精准捕获低轨、中轨、高轨全轨道层级的在轨卫星、空间微小碎片、火箭残骸、失效航天器、未知空间目标等各类空天目标的原始观测信息。所有数据经过自主研发的多源融合算法、智能滤波清洗、精密轨道解算、目标编目核验全流程处理后入库存储，从源头实现数据采集、处理、生产、应用全链条国产化自主可控。

　　2.采集时间与更新机制。本数据集观测采集工作已长期常态化开展，观测网络实现全年7×(略)小时不间断巡天采集，累计沉淀数年海量原始实测数据，形成了体量庞大、样本丰富的空间轨道数据库。数据集采用动态实时迭代更新机制，依托自研算力调度系统与轨道迭代模型，对在轨目标轨道参数、运行状态进行高频刷新，实时修正轨道偏差、更新目标状态数据，能够精准捕捉航天器轨道衰减、姿态异动、近距离交汇等动态变化，彻底解决传统公开数据更新周期长、数据滞后、时效性差的问题，保障输出数据的实时性与准确性。

　　3.数据集核心优势。相较于行业通用的境外TLE公开数据，本数据集优势突出。一是精度更高，通过多源数据融合精密定轨，大幅降低轨道预报误差，可实现七天级长周期高精度轨道预报；二是数据维度更丰富，涵盖目标轨道根数、位置速度、轨道倾角、偏心率、运行姿态、交汇态势、轨道衰减趋势等精细化参数，支持多维度分类筛选与统计分析；三是自主性更强，完全国产自研，无数据断供、版权限制与合规风险；四是可开发性高，配套标准化数据接口，支持数据批量导出、模型训练、算法迭代与二次深度开发，适配科研创新与工程应用多重场景。同时依托自主核心算法加持，具备风险研判、异常识别、轨道预测等智能化数据处理能力。

　　4.主要应用方向。本数据集可支撑参赛单位开展多领域太空技术创新研究，核心应用方向广泛且贴合行业前沿需求。主要包括：(略)

　　期望效果：(略)

　　赛题十八、全球企业信息数据集

　　出题单位：(略)

　　赛题类型：(略)

　　赛题简介：(略)

　　数据集总体概述：(略)

　　数据来源：(略)

　　1.官方公共数据源：

　　①各国政府工商登记注册局、商业法院公告、知识产权局（商标/专利）等公开数据。

　　②官方统计机构发布的宏观经贸数据及行业分类标准。

　　2.商业合作数据：

　　①与全球多家知名信用评级机构、行业协会及第三方数据服务商建立的正规数据交换与采购合作。

　　②国际航运、海关进出口提单等合法流转的商业贸易数据。

　　3.格兰德自有生态数据：

　　①格兰德自建的全球企业关联关系图谱（含股权穿透、母子公司层级）。

　　②格兰德多年积累的企业信用行为画像及动态风险监测标签。

　　4.数据采集时间与覆盖范围：

　　①基准时间节点：(略)

　　②历史回溯跨度：(略)

　　5.地理覆盖：

　　①海外版块：(略)

　　②国内版块：(略)

　　③更新频率：(略)

　　赛题目标：(略)

　　1.方向一：(略)

　　①业务痛点：(略)

　　②建议课题：

　　构建基于图神经网络的全球多级供应链穿透模型，识别隐藏在二级、三级供应链中的单一依赖风险。

　　利用时序数据，开发供应链中断概率动态预警系统，提前3-6个月预测关键供应商的倒闭或出口管制风险。

　　2.方向二：(略)

　　①业务痛点：(略)

　　②建议课题：

　　融合非结构化数据（当地新闻、诉讼文本）与结构化财务数据，构建海外中小企业的信用评分卡模型，替代传统人工尽调。

　　基于大语言模型（LLM）生成动态化、可解释性的企业信用评估报告，解决传统评分“黑盒”问题，自动输出授信额度建议。

　　3.方向三：(略)

　　①业务痛点：(略)

　　②建议课题：

　　利用图数据库技术，自动识别环形持股、循环注资等复杂隐秘关联网络。

　　结合股东、地址、电话等多维弱关联信号，构建企业同质性聚类模型，精准识别“一套人马多块牌子”的欺诈团伙。

　　4.方向四：(略)

　　①业务痛点：(略)

　　②建议课题：

　　利用格兰德数据集中的企业注册增量、注销量、招聘岗位变动等微观指标，构建区域性/行业性的经济先行指数。

　　分析企业跨区域投资流向，结合地理信息，预测新兴产业集群（如低空经济、生物制造）的下一阶段热点城市。

　　合规要求：

　　1.数据脱敏：(略)

　　2.使用限制：(略)

　　3.知识产权：(略)

　　报名方式

　　（一）大赛官网报名

　　https：(略)

　　（二）微信扫码报名

　　(略)年北京数智创新大赛报名截止至(略)年8月(略)日(略)：(略)