所属分类：电子信息产业

所属单位：湖畔实验室

成果简介：以自研的全球气象大模型为底座模型，构建区域高精度天气预报模型——八观气象大模型。通过融合当地的场站数据、气象实况、雷达图像、卫星图像、开源地形等多源多模态数据，增强预报结果细粒度和准确度，可实现逐小时1公里网格的气象预报更新。八观气象大模型重点指标预测效果超过传统天气预报，并在2024年登上第二十九届联合国气候变化大会。

所属分类：电子信息产业

所属单位：龙岩学院

成果简介：小栗方AIoT创作套装是一款可以满足在物联网场景下实现并融合AI功能作品的教学产品。该套装由2个小栗方AI学习机和1个小栗方专用扩展板，及15个多功能传感器组成，使用该套装不仅可以完成具有语音识别、语音朗读、图像识别等AI功能的教学案例，同时还可以借助【威栗物联】IoT平台将传感器收集到的各种信息通过云端或边缘端，进行整理、分析并按照要求进行判断，最后由小栗方AI学习机进行最终的执行。此功能不仅丰富了AI作品场景的单一性问题，而且还满足社团和竞赛等多种场景需求，真正做到了通过大数据的分析和在不同应用场景下，实现人工智能处理多种设备互通互融的万物互联要求，是一款性价比极高的教学套装。

所属分类：电子信息产业

所属单位：宁夏大学

成果简介：

所属分类：电子信息产业

所属单位：福州大学

成果简介：随着技术的日新月异，医疗领域正见证了一个前所未有的变革。其中，医疗语言大模型作为近年的研究热点，给医疗健康带来了深远的影响。它们不仅为医疗健康带来了便利，更为患者的诊断和治疗打开了新的可能。 本项目基于前期肝病AI外脑系统的基础，联合复旦大学附属肿瘤医院福建医院、福建医科大学孟超肝胆医院，复旦大学、中科院自动化所、中科院软件所、北京邮电大学、百川智能等业内一流校企团队，研发了全球首个面向肝病和肝癌的医疗大模型，即孟超大模型。孟超大模型能够用于基层医院场景、临床决策场景和MDT场景，极大地提高了医疗资料的整合和查询效率。医疗信息是海量的，从各种临床试验、病例研究到医学指南，每一项都承载着宝贵的医学知识。然而，医生很难在有限的时间内掌握所有信息。孟超大模型能够快速筛选、整合这些资料，为医生提供最相关、最新的循证医学证据，帮助他们做出更加科学、合理的诊断和治疗决策。此外，孟超大模型也为基层医院提供了有力的技术支持。在某些偏远地区的基层医院，医生可能难以为患者提供规范化、均质化的服务。此时，孟超大模型可以作为一种辅助诊疗工具，帮助医生对患者初步诊断病情、提供紧急的医疗建议。

所属分类：电子信息产业

所属单位：北京邮电大学

成果简介：文化计算大脑生产工具可视化平台旨在应用实验室多年积累的文化计算相关算法，打造一系列生产工具，为文化资源数字化内容实现可量化、可计算、可分析、可展示提供技术支撑，为中华传统文化遗产数字化保护与利用、传统文化内涵揭示及传承机理分析奠定技术基础。

所属分类：电子信息产业

所属单位：北京邮电大学

成果简介：大模型赋能的智能教学应用平台

所属分类：电子信息产业

所属单位：中国石油大学

成果简介：不同云技术的集成对解决不同的计算任务是至关 重要的利用深度学习方法可以得到很高的识别率和预测率 系统的性能在很优秀，可以用在实时环境中 系统的可扩展性和可用性都很好。目前的实际部署包括油田的安全监控 、智慧港口（东营、青岛），以及电力、航天等。可以应用在公安、交通等所有与视频、图像相关的领域。

所属分类：电子信息产业

所属单位：华中师范大学

成果简介：

所属分类：电子信息产业

所属单位：西安交通大学

成果简介：本项目聚焦点云配准和高精度地图创建问题，借助智能机器人平台探索复杂真实环境特征捕获和低复杂度算法优化，构建了集双视角度量距离双视角点云全局配准、基于聚类思想的多视角点云配准以及基于点云配准的机器人大规模地图创建与融合一体化的新模型，在双视角、多视角和地图融合三个具有强关联性的层次上揭示了智能体完成场景建模的深层机理，发展形成可落实于自动驾驶和服务机器人终端上的完整模型框架，并实现了核心技术在武汉工控仪器仪表有限公司的机器人产品上的落地。项目成果发表在IEEE TIP/TASE，IET IMAGE PROCESS, INFORM SCIENCES和《自动化学报》等国内外知名期刊和会议上，被全球众多科研机构的1000余篇论文引用，产生了重要学术影响。5篇代表作谷歌学术（GS）总他引177次、Web of Science（WoS）他引140次。多位中国工程院院士、IEEEFellow等国际知名学者引用评价为 “代表性工作”和“基准性工作”。应用项目成果研制的基于3D-SLAM 技术的定位导航系统应用于武汉工控仪器仪表有限公司的机器人产品。获陕西省高等学校自然科学一等奖(2024)和陕西省计算机学会自然科学奖二等奖（2023）。

所属分类：电子信息产业

所属单位：中国科学技术大学

成果简介：本项目致力于将当前国际上脑科学的前沿研究成果用于学生多维脑认知功能的精准鉴别和潜力的挖掘。 本项目利用权威技术与先进算法，并通过整合国内外科研机构闲散脑科学平台和扫描资源，建立全球最大的脑认知功能数据库，为教育机构和其他行业需求提供基础服务。

所属分类：电子信息产业

所属单位：哈尔滨工业大学

成果简介：针对人工智能的事件预测中的事件背景知识不全、事件间逻辑关系缺失，推理路径不透明等问题，提出了事理知识增强的事件预测技术，开发了条件马尔可夫逻辑网络，通过事理图谱来补充事件背景知识，补全事件间的发展链条，实现了高性能的事件推理，并通过还原事件之间的演化关系， 实现了深度学习模型的自解释，使得推理可靠且可信。相关成果获2019年The Story ClozenTest国际评测第一名。 该技术能够广泛应用于各类事件预测场景，包括但不限于金融风险预警，法律法条预测，舆情监测等场景。

所属分类：电子信息产业

所属单位：哈尔滨工业大学

成果简介：首创性地提出事理图谱（Eventic Graph, EG）的概念，构建了以事件和事理为核心，事理逻辑关系为边的知识库，解决了现有知识图谱体系性缺失问题，开创了事理图谱的研究方向。结构上，事理图谱是一个有向有环图，节点表示事件，有向边表示事件之间的顺承、因果、条件和上下位等逻辑关系。举办了全国首届事理图谱研讨会，2022年，事理图谱作为专业术语被中国计算机学会认证并对外发布。相关成果获得SemEval 2020国际语义评测“检测反事实陈述”任务第一名。 事理图谱通过构建和分析事件及事理关系，在自然语言处理、智能搜索引擎、推荐系统、企业管理、金融等领域展现出广泛的应用前景。通过应用事理图谱，可以提升问答系统的准确性、改进信息抽取和智能搜索的效率，增强推荐系统的个性化能力。