9月1日，中山大学智能工程学院沈颖团队发布专为应急科普打造的多模态大语言模型家族——“神机大模型”。该大模型将人工智能技术与应急管理体系深度融合，能为广大群众提供实用的应急知识和应对突发情况的方法，助力提高公众的安全意识和自救互救能力，开启全民应急科普新篇章。　

　　这是一套强大的应急科普系统，更是科普应急知识的重要工具。同时，针对行业领域痛点，该大模型能够为政府、企事业单位和公众提供智能化、高效化、人性化的应急场景解决方案。中山大学智能工程学院副教授沈颖表示：“‘神机大模型’的发布，标志着我们在应急科普智能化道路上迈出了坚实的一步，期待它能够在应急科普领域发挥重要作用，为普及公众应急安全教育与构建和谐安全的社会贡献力量。”

　　神机大模型的推出，得到了中国计算机学会青年计算机科技论坛（YOCSEF）广州和广东省消防科学与智能应急技术重点实验室的支持。腾讯AI LAB多年来与团队在自然语言理解与生成、大语言模型、知识计算与推理、多模态学习、数据挖掘和智能问答系统等研究领域有着深入合作与分享。

　　技术创新：以高效响应惠及民生

　　为了赋能“神机大模型”在应急科普中的智能化、人性化、精细化解决方案，实验室团队设计了事前预防、事中处置、善后恢复等多场景的咨询、决策支持与情感支持问答任务，自行构建了共20多万条指令对，引入了22000多条来自指南、白皮书、新闻、真实案例、搜索引擎、在线服务及多轮问答的公开数据语料进行微调，进一步增强了模型的泛化能力和应变速度。团队提出的应急科普大模型综合性能评测体系，涵盖了安全应急管理知识问答的客观评测与专家主观评估，确保了模型在安全性、实用性、规范性方面的高标准。

　　为确保“神机大模型”在应急科普中的卓越表现，“神机大模型”在36张40GB NVIDIA A100 GPU上进行了2个epoch的预训练和3个epoch的全量微调，分别训练了7B与72B参数的模型版本。在应急管理知识问答的评测中，模型准确率达71.53%，大幅降低了人工干预的需求，同时展现了出色的时效性和可靠性。

　　“神机大模型”不仅在技术层面取得了重大突破，更在实际应用中彰显了其价值。模型能够提供一分钟内超过1000条用户响应的服务能力，可望减轻应急领域人员的负担，提高应急响应效率。

　　直击行业痛点：数据驱动确保高效评测

　　应急科普领域面临数据分散、知识碎片化、响应时效性不足等挑战。“神机大模型”通过对开源的高质量应急领域语料的定向筛选和深度挖掘，构建了超过400k条全面的增量预训练数据集。实验室还从公开的海量新闻报道、政务公开数据、法律法规中提炼出关键信息，设计了超过200k条个性化指令对，显著提升了模型的指令微调效果和场景适应性。

　　同时，该大模型可以辅助从业人员进行公文写作、调研历史数据、制定应急管理计划等，极大程度提升工作效率，节省人力成本。

　　为确保评测的高效，实验团队基于先进的人工智能评测方法，提出了应急科普大模型综合性能评测指标体系，确保了“神机大模型”评测体系的专业性和准确性。基于标准的安全应急管理知识问答题目，模型在安全性、实用性、规范性三个维度上接受严格的评估，确保模型的全面性和可靠性。

　　神机大模型有哪些功能？

　　目前，已上线的神机大模型1.0版本可在官网http://shenjiai.cn/chat体验到以下功能：

　　应急知识快速问答 针对常见的应急安全知识进行问答，可以为用户提供基础的应急情况咨询，响应迅速，回答专业性强。

　　应急知识溯源 基于检索增强生成技术（RAG），神机大模型对生成的所有答案进行知识溯源，为用户提供可靠的专业原始知识文档信息，具备更强的专业性。

　　应急规章制度查询 各类应急管理数据标准不同，神机大模型整合海量历史数据与规章制度，便于查询，很好地解决了知识碎片化、数据分散的问题。

　　应急管理计划写作 神机大模型可以辅助相关从业人员，进行应急管理计划制定、应急预案公文写作、事故调查报告撰写等，极大解放人力成本。　

　　应急心理救援与心理辅导援助 火灾、建筑事故、地震等发生后，受灾群众与参与救灾的救援人员均可能产生灾后心理负性影响，神机大模型可以提供应急心理救援与心理辅导援助。