大语言模型在电子招投标中的应用研究

　　文/王牧　张国兴　赵薇

　　【摘要】随着新一代信息技术的愈发成熟，包括大语言模型在内的生成式人工智能将逐步应用于电子招投标。文章介绍了大语言模型的核心技术，分析了其优势，及其在电子招投标活动中的应用场景，梳理了大语言模型在电子招投标应用中的问题并提出改进建议，以期为大语言模型技术在电子招投标中的应用提供思路和方法。

　　【关键词】大语言模型；电子招投标；核心技术；应用场景

　　电子招投标也被称为电子采购或在线招投标，是一种利用互联网和数字技术来管理、发布、处理采购和招标流程的方式。随着新一代信息技术的愈发成熟，大数据、人工智能、云计算等新兴技术在各行各业中得到了广泛应用。《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》提出，加快数字化发展，建设数字中国并营造良好数字生态圈的要求。党的二十大报告提出：“加快发展数字经济，促进数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群。”大语言模型作为新兴技术之一，不仅可以为电子招投标提供强大的技术支持，还可以为电子招投标各个流程提供新的思路和方法。大语言模型是一种基于大规模语料库的语言模型，具有出色的自然语言处理能力。这些模型经过大规模的预训练，从海量的文本数据中学习语言的语法、结构和语义。借助大语言模型，企业可以更加方便地录入供应商数据，快速准确地验证供应商材料，结合大量数据，建立更加科学、有效的招投标评分指标体系，从而选出最优的供应商，提升企业电子招投标管理水平。

　　大语言模型概述

　　大语言模型的核心技术

　　大语言模型的核心技术是深度学习和自然语言处理，这些模型通常是基于深度神经网络构建的，其核心技术包括以下三个方面。

　　一是变换器架构。一种基于自注意力（self-attention）机制的深度学习模型架构，特别适用于处理序列数据。它通过自注意力机制对输入序列的建模，使模型能够捕捉长距离的依赖关系。

　　二是预训练。在大规模文本数据上进行的预训练使模型能够学习语言的结构和语法。预训练通常是一个无监督的过程，模型会根据大量的数据尝试预测回答中的下一个词，从而提高回答的准确性。

　　三是微调。在特定任务上微调模型是使其适应不同任务的关键步骤。微调的过程涉及将模型与有标签的数据同时训练，以使其学会执行特定任务，如文本分类或生成等。

　　大语言模型技术的优势

　　1.结构化数据整理

　　大语言模型可以用于处理和转化文件中的数据。企业往往需要在数量繁多的文件和数据中提取重要的数据信息点，而大语言模型可以帮助识别并提取文本中的关键信息，帮助用户快速了解文件的重要内容。大语言模型在整理数据过程中可以将原始的、可能繁杂的数据整理成具有清晰结构和规范格式的数据，并最终帮助企业进行自动化文本分类、信息提取和数据清洗。

　　2.自动化文档编写

　　大语言模型的自然语言处理技术使其可以自动生成各种类型的文档，包括报告、合同等。用户可以按照不同的需求，通过指定主题和格式生成文本，从而提高工作效率并减少人工工作量。在编程领域，大语言模型可用于自动化生成代码片段，加速企业软件开发过程。

　　3.客观性信息分析

　　大语言模型可以帮助分析文本或其他形式的信息，并确定其中包含的事实是否准确，不受主观观点或情感的影响。大语言模型的无偏性、事实核查能力以及多层次分析特点使其成为应对信息真实性挑战的关键工具。在未来，这些模型将继续在信息分析和客观性评估领域发挥重要作用，并有望用于帮助人们更好地理解和利用信息资源。

　　大语言模型在电子招投标中的应用场景

　　自动整合信息，提高投标效率

　　在电子招投标中，大语言模型可以用于快速处理投标数据，自动整合投标信息，从而大大提高效率和准确性。每次电子招投标可能会涉及数百甚至上千家供应商，每家供应商都需要提交详细的投标文件。投标文件中的数据通常以多种格式出现，包括文本、表格、图片等，且由于不同供应商的文件格式和组织方式不同，数据信息繁杂，不宜直接进行比对和整合。在这种情况下，大语言模型可以发挥关键作用。

　　大语言模型可以与光学字符识别（Optical Character Recognition，以下简称OCR）相结合，两种技术结合使用能够更加高效地整理供应商的业绩数据。OCR是一种将印刷或手写文本转换成可编辑文本的技术，其可以将扫描版投标文件转换为电子文本，使计算机便于搜索、编辑和存储文本内容。基于OCR提取出的关键信息和数据点，大语言模型可以通过自然语言处理技术快速录入相关投标数据，并提供实时的、多维度的查询功能。结合整理所得的供应商数据，大语言模型可以自动整合针对各个项目的投标信息，并最终整理形成结构化的数据报表。采购人和评审专家可以根据自身不同的查找需求，形成个性化的数据报表。

　　自动检测信息，识别潜在风险

　　随着招标采购行业的发展，电子招投标的供应商越来越多，相应的信息量也愈发庞大，其中的虚假信息也不断增加，采购人自动检测信息和识别潜在风险的能力变得至关重要。大语言模型与机器人流程自动化（Robotic Process Automation，以下简称RPA）可以帮助采购人自动识别、检测信息。

　　RPA是一种基于软件的自动化技术，旨在模拟和执行人类在日常工作中执行的重复性、规则性任务。大语言模型可以配合RPA快速识别并定位供应商所提交的招标文件中的异常情况，如招标文件中的信息不一致、不符合标准的格式或是缺失必要信息等。此外，大语言模型可以与PRA自动识别在不同招标文件中重复出现的相同或相似信息，从而减少数据冗余，并提高数据的一致性。在快速识别出供应商招标材料中的不足或错误后，采购人可以及时与供应商进行沟通，从而提高招投标的效率和准确性。

　　此外，大语言模型与RPA可以帮助采购人识别虚假的业绩信息并发掘潜在的风险。例如，供应商在招标过程中上传的发票需要逐一在国家税务总局增值税发票查验平台进行查验。在对供应商的业绩数据进行验真的过程中，大语言模型可以通过RPA自动与官方网站平台上的数据信息进行比对，从而高效、准确地识别业绩材料中的虚假数据和不实信息。

　　数字绩效评估，智能辅助评分

　　数字化时代，招投标管理进程中的数字化绩效评估和智能化辅助评分已经成为关键。结合OCR和RPA，大语言模型提取的一系列供应商投标文件数据信息，都可以数字化方式整理并存储在系统中。通过数字化绩效评估，采购人可以将信息反馈给供应商，供应商可以更加清晰地了解到他们在不同方面的表现，从而针对招标项目的各项需求更好地改进其产品和服务质量。

　　智能化辅助评分则是利用人工智能技术来提供更加智能的评分和建议。在传统的评分过程中，评审结果可能会受到评审专家主观因素的影响。而大语言模型可以自动分析并进行智能化辅助评分，为评审专家提供参考分数和建议。通过智能化辅助评分，供应商可以更好地理解评审标准，提供更符合要求的招标文件。

　　大语言模型在电子招投标应用中的问题及改进措施

　　大语言模型可以在电子招投标管理应用中给采购人提供足够的便利和有效的帮助，但同时，大语言模型应用也面临许多问题。

　　系统与知识库更新

　　在大语言模型的加持下，传统的电子招投标管理系统和企业的组织架构会面临全面的更新和调整，这对采购人是一个持续性挑战。传统电子招投标管理系统的前端界面需要进行修改，并且根据大语言模型高效录入数据、自动整合信息等特点，为新一代电子招投标管理系统加入新的功能和接口。开发新版本的电子招投标系统需要耗费一定的财力、物力，新系统后期的运营和维护也需要更多的资金。因此，采购人需要综合考虑各种因素决定对新系统的开发程度。

　　同时，大语言模型的知识库也需要不断更新，以保证其在招标文件理解和生成方面的准确性。政府会根据国家的经济环境以及当前国际形势的变化，出台新的相关政策与法律法规，大语言模型需要及时了解国家的相关政策，从而为采购人提供国家层面的指引，并尽可能规避采购人触碰禁区的情况。

　　此外，随着科技的飞速发展，未来更加先进的信息技术也会投入电子招投标系统中使用，系统需要应对持续性的更新挑战。

　　数据安全与隐私保护

　　数据安全和隐私保护一直是电子招投标管理中需要高度关注的方向。在招投标过程中，供应商大量的敏感信息，如企业机密、财务数据和个人信息，都需要在电子招投标系统中传输和存储，且在传输过程中容易受到黑客攻击或窃听威胁，出现数据泄露和隐私侵犯。使用大语言模型来处理这些数据，尽管提供了许多便利，但其也有可能被用于操纵数据以获取不正当竞争优势。此外，使用国外的大语言模型时，尤其需要注意防止涉及国家安全的重要信息和技术泄露。

　　采购人需要采用措施维护电子招投标中的数据安全与隐私。适当的数据加密和数据存储安全措施可以减少这些潜在风险。为确保数据传输的安全性，电子招投标系统需要采用强大的加密技术，如代理重加密技术、区块链技术等。这种加密技术可以保护数据在传输过程中的完整性和机密性，防止未经授权的访问。为了保护存储的数据，采购人需要采用严格的访问控制措施。隐私保护需要采购人制定明确的隐私政策，并确保员工和合作伙伴了解和遵守这些政策。此外，数据去标识化和匿名化技术也可以用来保护隐私，以便在分析和报告中使用数据而不暴露个人身份。

　　人机协作与适用范围

　　在电子招投标管理中，大语言模型的应用通常需要与招投标活动各方的具体工作相结合。随着人工智能的不断发展，人机协作的模式成为现代社会中产出知识的重要方式之一。然而，在人机交互过程中，大语言模型有时也会出现前后逻辑不一致或是错误的诱导性观点。这种情况需要招投标活动各方自行进行筛选和判断，并结合自身经验尽可能与人工智能共同修改和完善问题的描述，从而得到最优答案。因此，招投标活动各方能否合理使用人工智能等工具成为关键，这就需要对招投标活动各方进行针对大语言模型使用的培训。但是，对于某些基本工作，招投标活动各方人员不能对大语言模型过于依赖而丧失思考能力，应积极发挥主观能动性，以大语言模型为辅，完成日常工作。

　　此外，在敏感和机密信息的业务领域，数据的隐私和保密性至关重要。在这些业务流程中，采购人需要慎重考虑是否接入大语言模型技术服务，应进行细致的业务流程分析，以确定哪些环节能够从这项技术中受益，哪些环节则并不适合引入这项技术。

　　结语

　　大语言模型在电子招投标中的应用，为优化招标流程、提升电子招投标效率和质量提供了极大便利，但也存在一系列问题。随着技术的不断进步，大语言模型将在电子招投标中发挥更广泛的作用，促使电子招投标更加数字化、智能化。

　　（作者单位：王牧、张国兴，南方电网供应链集团有限公司供应商服务部；赵薇，南方电网供应链集团有限公司数字与创新管理部）

　　参考文献：

　　[1]程平，陈锐.基于ChatGPT的全面预算管理研究[J].财会月刊，2023（18）：60-64.

　　责编：辛美玉；编辑：张曼琳