大语言模型赋能招标采购的路径探析

徐溢 刘晖 刘巍  湖南湘能创业项目管理有限公司

摘要:本文对大语言模型赋能招标采购的路径进行探讨和分析,简要概述了大语言模型发展和招标采购形式的演变，总结了大语言模型在案例教学、招标文件审查、投标文件初评、投标文件纵横详评等场景的应用需求、实现路径和预计成效、对面临的数据、算法、人才、政策等挑战开展分析,为招标采购相关研究人员和从业人员抛砖引玉，助力全国统一大市场的建设和招投标市场的规范健康发展。

关键词:大语言模型:电子招投标:智能评审

一、引言

自BERT、GPT、T5等大语言模型问世以来，人工智能研发与应用热潮席卷全球，应用场景不断拓展，广泛应用于问答系统、文本生成、语言翻译等领域。大语言模型是以大量的文本数据作为语料训练的深度学习模型，依靠自注意力机制进行输入序列的处理，并生成和输出序列，具有并行计算优势，能同时处理多个序列，极大地提高计算效率。

随着我国经济的不断增长和信息技术的发展，招标采购形式也在不断演变，传统的纸质招投标逐步被电子化替代，大语言模型等新一代信息技术与招投标业务加快融合，在保障招投标“公开、公平、公正”、提高招标质量、降本增效等方面发挥了重要作用，将成为全国统一大市场建设、供应链现代化发展、招投标数智化转型的重要手段。

二、大语言模型在招标采购的嵌入场景

1.招标采购案例教学

招标采购具有领域广、专业要求高、风险隐患多等特点，从业人员主要依靠老员工传帮带和自身长期摸索积累经验，至今未能形成一门专业学科难以系统地学习相关法律法规、行业规范、典型案例等专业知识，不利于人才的快速成长与全面培养。

大语言模型应用于知识问答系统的技术路线已经成熟，在智能客服和教育行业已有较多成功应用案例，但在招标采购领域的专业培养尚未起步。通过对相关法律法规、行业规范、典型案例的汇聚与清洗，建立高质量的招标采购知识语料，开展大语言模型训练与微调，持续更新负面案例对大语言模型进行预训练，生成教学案例帮助从业人员熟悉法律法规、行业规范和答疑解惑，加强专业知识储备，提高专业素养，为企业节省培养成本和培养时间。

2.招标文件智能审查

招标文件审查是招标采购的重要环节，专家对招标文件的标段划分、资格条件、评审办法等内容进行全面审查，传统的人工审查容易受到专家知识经验的限制，专家不仅要具备与招标项目相关的专业技术知识，还要熟悉了解招投标相关的法律法规和行业规范。

当前已有部分电子招投标系统实现了招标文件的结构化编制，但仍有大量关键信息需要人工填写，存在错误和疏漏的风险。通过法律法规及负面案例训练的招标文件审查大语言模型，能够完整地“记忆”招投标相关要求，精准地标记资格条件等关键内容,快速地识别歧视性条款等潜在风险，及时提醒编制人员修改完善，将有效降低合规风险，提高审查效率，降低审查成本。

3.投标文件初审

投标文件的初步审查主要包括形式评审、资格评审和响应性评审，只需要进行“合格”或“不合格”的简单逻辑判断。投标文件内容多篇幅长，动辄成百上千页，需要评审专家耗费大量时间进行重复度高、技术含量较低的初审工作。

在时间有限、专家资源宝贵的情况下，大语言模型按照招标文件要求，对投标文件的格式内容、投标人的资格条件、实质性要求的响应情况进行逐一比对，辅助评审专家高效开展初步评审,提高工作质效，释放稀缺的专家资源。

4.投标文件纵横详评

现行招投标制度赋予评审专家的自主裁量权较大，评审专家的专业知识、实践经验和主观倾向，制约了招投标客观公正、竞争择优功能的发挥。

大语言模型通过提前学习招标文件中的评审办法，按照评审要素和评分标准，对投标文件响应内容进行客观量化打分，实现投标文件的纵向评审。得到纵向评分后再将同一标包下所有投标文件进行横向对比，逐一修正每个评审项的最终评分，完成投标文件的横向评审。评审专家可结合纵横详评结果开展复审确认，评标效率大幅提升，评标结果更加客观公正。

三、面临的挑战

1.数据隐患

数据安全是规范使用招标采购大语言模型的最基本要求，训练数据涉及招投标各方的员工隐私及商业秘密，在传输、存储与预处理等环节均存在数据泄漏与被窃取的风险，使用不当会给个人与企业带来不可估量的损失。招标代理机构和招标人须严格遵守《网络安全法》《数据安全法》《个人信息保护法》等法律法规，采用加密、数据审计、防火墙等技术手段，加强数据的安全管理，在使用数据的过程中，守住自己的数据不被窃取与非法使用，也不侵害个人或其他组织的合法权利。

数据质量是招标采购大语言模型公平、公正的关键。在选用训练数据时，要遵循一定的标准与规范，避免使用不完整、错误的数据和存在歧视隐患的数据，提高大语言模型的理解能力与生成质量。如果训练数据带有某些偏好，训练出的大语言模型也会产生偏见，如训练数据中强调本地化服务，训练出的大语言模型会在评审时排斥其他地区的公司，从而影响招标采购结果的公平公正。

2.算法的不可解释性

大语言模型是一类深度神经网络算法，由大量的神经元互联，其内部结构和计算过程复杂，目前不能完全被理解，也被称为算法的不可解释性。由于算法缺乏透明度和可解释性，使用大语言模型生成的招标采购文件和评审意见，难以获得招投标各方的信任。

随着人工智能技术研究的深入，人类有望能更好地理解和解释大语言模型，政府也可通过制定算法伦理规范、加强合法性审查和分级分类监管，以确保大语言模型的公平、公正和规范使用。

3.法律法规滞后

大语言模型如果缺乏相关知识或内化错误知识就容易产生“幻觉2023年7月，由国家互联网信息办公室等7个部门发布的《生成式人工智能服务管理暂行办法》正式实施，坚持安全与发展、创新与法治相结合，鼓励与引导生成式人工智能的研究与应用，防止虚假信息传播、个人隐私信息侵害、偏见歧视等事件发生。

由于无法从技术上杜绝幻觉，国家有关部门应持续推进生成式人工智能立法，建立清晰可行的各参与方责权利界限，进一步规范大语言模型的使用。各参与方应积极应对，及时予以纠正，建立容错机制以确保大语言模型垂直行业应用的健康有序发展。

4.复合型人才稀缺

当前国内外通用大模型应用更多地集中在娱乐绘画、智慧教育、智慧医疗等垂直行业，在招标采购领域的应用广度与深度明显不足。招标采购大语言模型的稀缺，直接原因是缺少既懂招标采购业务又熟悉大语言模型应用技术的复合型人才，大语言模型训练人员主要来源于计算机专家，他们侧重于大语言模型技术研究，对招标采购业务了解不深，很难从业务的角度来建立专业领域知识库，导致招标采购大语言模型普遍存在业务理解能力差、专业性不强等问题。

可以通过搭建大语言模型技术研究人员与招标采购从业人员的跨界交流平台，深度融合大语言模型技术与招标采购业务需求，开发高校、研究机构与招标采购代理机构的产学研用项目，培养一批具备人工智能思维和招标采购经验的复合型人才，为招标采购领域的智能化转型储备人才资源。

5.招标采购生态转型阵痛

在招标采购环节引入大语言模型，势必对整个招标采购生态链产生影响，招标采购上下游企业的工作模式亟须转变以适应新的招标采购生态。招标人和招标代理机构需要熟悉掌握大语言模型的接口调用，用于编制招标文件和组织评审会议;投标人需要熟练应用电子招投标交易平台、投标文件结构化编制工具等信息化技能;监管部门需借助大语言模型提取专家、投标方、招标代理、投标人之间的实体信息，使用知识图谱构建他们之间的关系，将监管范围覆盖到数字化采购各环节，监督工作提前介入到招标采购过程以防患于未然。

四、结语

招标采购工作随着时代的变化与信息技术的不断创新，其生产运营形式也在不断发生演变。在数字化与智能化成为新质生产力要素的今天，大语言模型在招标采购领域的深入融合应用，有助于充分释放人力资源，降低经济成本和法律风险，提升采购质量与效益。但同时，也面临着数据安全、算法监管、法律法规、人才培养、转型。

探索大语言模型在招标采购中的应用路径，科研院所、高等学校与从事招标采购行业的企业，在政府的指导下联合开展“产、学、研”工作，探索构建人工智能在招投标领域应用的治理体系，具有重要的现实价值和交叉融合创新意义。在数智化时代，应充分发挥“大语言模型+”优势，助力招标采购行业数智化转型，带动上下游产业链升级，加速构建统一大市场。加大力度研究大语言模型算法与数据安全保护等信息技术，可确保招标采购中人工智能应用的合规性、公正性和透明度。