鸿云智能AI大模型
基于大数据与知识图谱，构建AI算法体系。鸿云AI构建的特定任务高质量QA对，通过SFT，强化LLM对特定任务的表现，以适应工伤领域的独有应用场景。AI服务产品基本覆盖全国，处于行业领先水平。
三大模型概述
工伤垂直领域大模型CPT-数据集构建，针对领域数据特殊性,充分结合国家标准,对工伤数据中的部分关键字段（如伤残等级、伤害部位、致害源、工种、作业类型等等）进行统一的标准化。
鸿云昆仑™
昆仑™作为基础赋能大模型，覆盖行业、致害源伤害类型、工种、作业、场所、伤害部位等细分领域模型，通过深度分析学习大量工伤数据，可精准识别各类工伤相关信息
行业模型
鸿云利用Transformer架构，TextCNN深度学习模型，输入公司名称即可高精度预测其所属二级行业，准确率为95%，召回率与F1分数均达到行业领先水平
伤害类型-部位/类型
鸿云采用先进的Text RNN中文文本分类模型，开创性地实现了从工伤事故报告的海量文本描述中自动化识别和分类伤害类型，极大地提升了数据分析的精确度与处理效率。
三伤模型-伤害表现
先进的TextRNN+Attention模型，实现对复杂数据的深度理解与分类模型，准确率达到93%，在保证高准确率的同时，模型设计考虑了计算效率，适用于大规模数据处理。
工种模型
选择当前最先进的大模型BERT，对训练数据进行标签标注，对大模型进行训练，通过多轮迭代优化，提升模型的识别准确率和鲁棒性。
作业模型
通过组建行业安全专家团队，依据经验整理出常见标准作业类型，创建《作业类型手册》描述其特点、风险和规范；
场所预测模型
场所模型在测试集上的准确率达到0.8，显著高于传统关键词匹配方法。优化的模型架构确保在保持高准确率的同时，保持较低的计算资源消耗。
鸿云天问™
“天问™”含动态触发、隐患推荐、智能调度、重点企业筛选等模块，通过实时监测分析工伤数据指标达阈值或遇特定情况时触发模型，可精准筛选企业、推荐隐患整改建议，降低工伤事故率
隐患知识融合训练
基于亿级企业库、百万工伤数据库、工伤预防隐患数据库等，通过鸿云AI中台，进行隐患知识融合训。
重点企业筛选模型
结合鸿云独有数据资源、隐患与事故关联等模型与鸿云™昆仑模型，根据企业清单，筛选重点预防企业。
事故隐患库
实时更新事故数据，结合鸿云™昆仑，自动扩充事故隐患库。
精准隐患推荐
对于选定企业，根据其基础信息与工伤数据等，为隐患排查人员精准推荐高风险隐患。
聚焦标准隐患库
通过专业人员配合聚类隐患的标准描述，结合sft训练，建立聚类标准隐患库。
隐患知识融合训练
在技术老师和任务行业、作业类型匹配的情况下，实现最低成本的最佳路径调度算法。
隐患与事故关联
结合隐患库与百万工伤事故科，对隐患与事故的关联性进行训练，计算隐患导致事故的概率。
动态触发模型
根据企业工伤数据发展态势，分类分层建立预警指标，对于高风险企业动态触发调研与调查任务。
鸿云海纳™
参保数据BI大屏
鸿云基于行业沉淀的数据，结合自有工伤预防大数据库以及行业大模型，通过该平台，能直接明了地了解近三年工伤高发行业分析、近三年工伤伤害类型、近三年工伤伤害表现等信息，也能实时监测重点企业工伤风险，实时感知预判工伤趋势。
