北京睿思鸣信息技术有限公司
北京睿思鸣信息技术有限公司（以下简称“睿思鸣”）是一家深耕企业数智化转型领域12年的高新技术企业，致力于为集团型企业提供从战略咨询、平台建设到系统集成与运营服务的一站式数字化解决方案。公司依托自主研发的数据智能平台、AI中台与业务中台，构建了覆盖“数据治理—智能分析—业务赋能—生态协同”的全链路服务能力。
公司拥有专业的技术研发与运营团队，以及强大的自研与持续创新能力。截至目前，睿思鸣已取得57项软件著作权，获得了国高新、中关村高新、“创新型”中小企业及“专精特新”中小企业等各项资质证书；并通过了质量管理体系认证、环境管理体系认证、信息安全管理体系认证、职业健康安全管理体系认证，底蕴深厚。
睿思鸣核心团队具备深厚的行业背景与技术积累，服务客户涵盖能源、制造、金融、零售、农业等多个领域，包括多家央企、地方国企及大型民营企业集团。在服务理念上，睿思鸣坚持“以客户业务价值为导向”，强调“平台+场景”双轮驱动，助力企业在数据资产管理、智能决策、流程优化、组织协同等方面实现系统性升级。公司已成功落地多个具有行业影响力的数智化项目，具备跨系统集成、多云部署、敏捷开发与持续运营的综合服务能力。
未来，睿思鸣将继续深耕企业服务领域，围绕“数据驱动、智能引领、生态共赢”的发展路径，推动中国集团企业数智化转型迈向更高水平。
DeepCheck智能评标垂直模型功能及应用
完成单位：北京睿思鸣信息技术有限公司
完成人：韩伟亮、彭鹏飞、李永恒、杨婉莹
摘要
本案例由北京睿思鸣信息技术有限公司研发实施，旨在响应国家发改委《关于加快招标投标领域人工智能推广应用的实施意见》（发改法规〔2026〕195号）的号召，解决招投标领域长期存在的“效率低、主观性强、监管难”等顽疾。
本项目创新性地研发了DeepCheck智能评标垂直大模型。该模型是基于通义千问、智谱GLM等国产通用大模型底座，深度融合招投标行业知识库（包含政策法规、历史范本、市场价格、供应商资信等），通过有监督精调（SFT）和强化学习（RLHF），构建了具备行业“专家级”思维能力的垂直应用。
案例构建了“AI初评—专家精审”的人机协同新范式，实现了从标书解析、清标核验、客观评分、主观辅助、报告生成到围串标识别的全流程闭环。实践数据显示，该成果将单标评审时间缩短70%，客观分准确率达100%，围串标线索发现率提升至71%。本案例不仅大幅提高评审效率，更通过算法的客观性有效规避了人为干预风险，为公共资源交易的公平、公正、高效提供了坚实的技术底座。
一、背景
当前招投标市场面临“三难”困境：
效率之难：投标文件动辄数百页，专家约60%时间用于翻阅、复核等机械劳动，单项目评审周期3-5天，复杂项目超7天。
公正之难：客观点人工漏判率5%-8%，主观分专家评分差异可达15%-20%，易受“印象分”影响。
监管之难：企业关联关系难以穿透，传统围串标发现率不足30%，多依赖事后举报。
二、建设目标
本项目旨在利用DeepCheck垂直大模型技术，实现招投标评审范式的根本性变革。
总体目标：构建“全量解析、精准对照、可见可信”的智能评标体系。
量化指标：实现评审效率提升70%以上，清标及客观评分准确率100%，围串标线索识别率提升至70%以上。
合规目标：确保AI辅助不越界，专家保留最终决策权，符合《招标投标法》及相关监管要求。
三、建设内容
本案例构建了“数据底座—DeepCheck核心引擎—场景应用—安全保障”四层技术架构，支持SaaS云订阅、混合部署及私有化信创部署。
1.数据筑基：构建行业可信知识底座
DeepCheck模型的精准度依赖于高质量的行业知识库。本项目构建了基础数据层与知识规则层两大层次：
（1）基础数据层
政策法规库：涵盖《招标投标法》、《政府采购法》及各部委、省市实施细则，经摘要提取与标注，确保模型输出合法合规。
历史项目库：汇集数万份中标/废标案例及专家打分记录、清标报告，用于训练判例推理能力。
标准范本库：整合房建、交通、水利等行业的国家标准文件范本及企业优质范本，作为标书解析基准。
供应商资信库：对接“信用中国”、工商系统、住建部资质库，实时校验企业资质、业绩真伪。
（2）知识规则层
提取规则库：定义标书中关键要素的定位与提取规则（如投标人名称、资质编号、业绩金额、报价清单的章节位置、关键词匹配模式），支撑结构化解析的准确性。
评分项库：将招标文件中的评分标准（客观分计算公式、主观分打分维度、分值权重）转化为机器可执行的规则表达式，实现自动评分。
隐性规则库：沉淀行业常见的否决情形、履约风险特征、不平衡报价判别逻辑、围串标隐蔽手法等专家经验，用于异常行为预警。例如“报价呈等差数列”等隐性规则。
以上规则库支持持续更新，随着项目积累不断丰富，使模型“越用越好用”。
2.DeepCheck核心引擎层：垂直大模型的“大脑”
这是本项目的最核心技术，由通用底座与行业插件组成：
（1）通用大模型底座：选用通义千问、智谱GLM等国产领先大模型作为基座，利用其强大的通用语义理解能力。
（2）行业微调：注入招投标领域专属语料（如招标文件术语、工程量清单描述），通过有监督精调，消除通用模型在专业领域的“幻觉”，使其具备阅读和理解标书的专业能力。
（3）多引擎协同机制：
多模态识别引擎：针对扫描件、表格、印章、签名等非结构化数据进行OCR识别与版面分析，解决“看图难”问题。
规则计算引擎：处理刚性的算术逻辑（如价格分计算公式）、合规性条款（如否决项判定），确保逻辑100%准确。
知识图谱引擎：将非结构化的投标信息转化为实体关系网络，用于挖掘企业关联关系。
（4）强化学习（RLHF）：引入专家反馈机制，根据专家对AI评审结果的修正，持续优化模型参数，实现“越用越聪明”。
3.场景应用层：六大核心功能模块
（1）标书智能解析
多模态自动识别PDF、扫描件，利用提取规则库结构化提取投标人名称、资质、业绩、报价等关键要素，生成“评审信息速览表”。将2小时的人工提取时间压缩至3分钟，信息错漏率降低90%。
（2）智能清标核验
采用规则引擎+不平衡报价分析模型+隐性规则库，实现：①算术复核；②不平衡报价检测（偏离基准价±10%即标记）；③细微偏差标记（缺页、漏签、前后矛盾）。清标时间从1-2天压缩至10分钟，实现全量数据无遗漏核验。
（3）客观分自动评分
基于预设的评分标准和招标文件条款，利用规则计算引擎自动匹配：①资格自动判定；②商务/价格分自动计算；③真伪核验（对接国家平台）。所有客观评审点实现100%自动化，专家仅需进行复核确认，大幅降低算术性错误风险。
（4）主观分辅助评审
基于DeepCheck大模型的语义理解能力，实现：①响应度热力图，绿/黄/红三色直观展示响应程度；②多标书横向对比，快速对比优劣；③评分偏离预警（偏离超15%自动弹窗），防止“人情分”或“极端分”。最终提升主观评审的一致性和客观性，辅助专家做出更公正的判断。
（5）围串标穿透式识别
基于知识图谱引擎，结合隐性规则库，通过多维度融合分析实现围串标穿透式识别：①知识图谱解析股东、高管及联系人，构建嫌疑网络图谱，识别关联企业抱团投标；②大模型语义检测技术方案异常相似内容，识别“改头换面”式抄袭；③报价聚类分析挖掘规律性差异（如等差数列）或异常接近特征。将围串标识别从“事后诸葛亮”转变为“事中实时预警”，识别率提升至71%。
（6）评标报告智能生成
基于DeepCheck大模型的文本生成能力，结合预设报告模板与评审全过程数据，自动填充得分、排名及中标候选人，智能提炼专家评语，自动校验合规项。报告编制时间从数小时压缩至5分钟，格式规范率100%。
4.安全与合规架构
数据主权：明确用户数据所有权归用户所有，支持私有化部署，数据不出域。
隐私计算：采用联邦学习技术，在不共享原始数据的前提下进行模型训练。
加密防护：支持AES256与SM4国密算法，符合等保三级标准，支持审计日志全记录。
四、实施效果与价值
本成果已在多地公共资源交易中心及大型央国企成功落地，取得了显著成效。
1.关键指标提升
效率提升：清标时间由1-2天压缩至10分钟；报告生成由数小时压缩至5分钟；整体评审用时缩短70%。
质量保障：客观分准确率达100%，信息错漏率降低90%。
风险防控：围串标识别率提升至71%，有效拦截异常投标。
2.经济与社会效益
提质增效：大幅减少专家的重复劳动，降低招标代理机构的人力和时间成本。
净化环境：通过客观分统一尺度和围串标精准打击，提升招投标活动的公信力。
模式创新：确立“AI辅助而非替代”的合规范式，在发挥AI效率优势的同时保留专家的最终裁决权，为人工智能在强监管行业的落地提供了标杆样本。
五、推广前景
本案例对标国家“人工智能+”行动，可复制性强。适用于工程建设、政府采购，可扩展至远程异地评标、履约验收、供应商全生命周期管理等。未来结合区块链实现全流程存证，有望成为招投标行业数字化转型的标准配置，助力全国统一大市场。
