大模型赋能政府投资项目评审的机制创新与实践探索

doi:10.12267/j.issn.2096-5931.2025.12.007

信息通信技术与政策 ›› 2025, Vol. 51 ›› Issue (12): 48-56.doi: 10.12267/j.issn.2096-5931.2025.12.007

专题:面向数智时代的数字政府建设上一篇下一篇

大模型赋能政府投资项目评审的机制创新与实践探索

Mechanism innovation and practical exploration of large language models empowering government investment project evaluation

刘东方, 杨天开, 常正, 郝鹏飞

中通服咨询设计研究院有限公司, 南京 210019

收稿日期:2025-11-20 出版日期:2025-12-25 发布日期:2026-01-08
作者简介:
刘东方，中通服咨询设计研究院有限公司工程师,主要从事信息化咨询工作
杨天开，中通服咨询设计研究院有限公司正高级经济师、高级工程师,主要从事智慧城市顶层设计、规划咨询、全过程工程咨询等相关工作
常正，中通服咨询设计研究院有限公司高级工程师,主要从事智慧城市顶层规划、专项规划及解决方案设计等相关工作
郝鹏飞，中通服咨询设计研究院有限公司高级工程师,主要从事信息化咨询工作

LIU Dongfang, YANG Tiankai, CHANG Zheng, HAO Pengfei

CICDI Institute Co., Ltd., Nanjing 210019, China

Received:2025-11-20 Online:2025-12-25 Published:2026-01-08

摘要/Abstract

摘要：

由于传统评审方式在工作效率、准确性与专业性方面均存在局限,大语言模型可通过自然语言处理、数据分析与智能决策支持等能力,为评审流程提供智能化转型方案。分析了大语言模型在流程自动化、风险识别、决策辅助与专家知识结构化等方面对项目评审带来的创新机制,并通过案例验证了其在提升效率、优化资源配置与防控风险方面的价值;其次指出大语言模型在数据安全、可解释性与伦理治理等方面仍面临挑战,并提出相应对策。研究显示,大语言模型将有力推动政府投资评审体系向智能化、精准化方向发展,为智慧政府的建设提供技术支持。

关键词: 大语言模型, 政府投资评审, 技术赋能, 数字政府

Abstract:

Addressing the limitations of traditional methods in terms of efficiency, accuracy, and professionalism, Large Language Models (LLMs) facilitate an intelligent transformation through capabilities in natural language processing, data analysis, and decision support. This paper analyzes the role of LLMs in automating workflows, enhancing risk identification, supporting scientific decision-making, and structuring expert knowledge. It confirms their effectiveness in improving evaluation efficiency, optimizing resource allocation, and mitigating risks. Meanwhile, challenges such as data security, model interpretability, and ethical governance remain. The paper concludes that LLMs will significantly advance the intelligent and standardized development of government investment evaluation, supporting the broader goals of smart governance.

Key words: large language models, government investment evaluation, digital government, technology enablement

中图分类号:

F283

刘东方, 杨天开, 常正, 郝鹏飞. 大模型赋能政府投资项目评审的机制创新与实践探索[J]. 信息通信技术与政策, 2025, 51(12): 48-56.

LIU Dongfang, YANG Tiankai, CHANG Zheng, HAO Pengfei. Mechanism innovation and practical exploration of large language models empowering government investment project evaluation[J]. Information and Communications Technology and Policy, 2025, 51(12): 48-56.

导出引用管理器 EndNote|Ris|BibTeX

链接本文:

http://ictp.caict.ac.cn/CN/10.12267/j.issn.2096-5931.2025.12.007

http://ictp.caict.ac.cn/CN/Y2025/V51/I12/48

图/表 2

参考文献 24

[1]	邹媛. 深圳政府投资项目引入AI评审 500页可研报告解析只需90分钟[N]. 深圳特区报, 2025-03-01(A02).
[2]	汤湛. 政府投资项目评审效果评价研究[J]. 投资与合作, 2025(4):44-46.
[3]	沈静华. 大数据技术在政府投资项目评审中的应用[J]. 投资与合作, 2022(12):187-189.
[4]	周智博. ChatGPT模型引入我国数字政府建设:功能、风险及其规制[J]. 山东大学学报(哲学社会科学版), 2023(3): 144-154.
[5]	MA J, ZHENG Z, ZHU P, et al. A machine learning and large language model-integrated approach to research project evaluation[J]. Journal of Database Management (JDM), 2024, 35(1):1-14.
[6]	HAN J, LU J, XU Y, et al. Intelligent practices of large language models in digital government services[J]. IEEE Access, 2024, 12:8633-8640.
[7]	GAO S, GAO L, LI Q, et al. Application of large language model in intelligent Q&A of digital government[C]// Proceedings of the 2023 2nd International Conference on Networks, Communications and Information Technology. New York: Association for Computing Machinery, 2023:24-27.
[8]	IDC. 中国政务大模型及应用技术评估,2024[R], 2024.
[9]	魏立轩. 政府投资项目资金管理优化措施探讨[J]. 财经界, 2025(1):48-50.
[10]	车万翔, 窦志成, 冯岩松, 等. 大模型时代的自然语言处理:挑战、机遇与发展[J]. 中国科学:信息科学, 2023, 53(9):1645-1687.
[11]	王庆蒙. AI大模型:驱动政府网站快速变革的新引擎[J]. 数字经济, 2025(6):2-5.
[12]	阿布都克力木·阿布力孜, 张雨宁, 阿力木江·亚森, 等. 预训练语言模型的扩展模型研究综述[J]. 计算机科学, 2022, 49(S2):43-54.
[13]	SUSAR D, AQUARO V. Artificial intelligence: opportunities and challenges for the public sector[C]// Proceedings of the 12th International Conference on Theory and Practice of Electronic Governance. New York: Association for Computing Machinery, 2019: 418-426.
[14]	韩志明. 跨越信息不对称的陷阱:国家治理现代化的信息维度[J]. 江苏社会科学, 2024(1):86-96.
[15]	韩志明, 周亮梓. 迈向AI时代的信息不对称:基于人工智能应用于公共治理的分析[J/OL]. 广西师范大学学报(哲学社会科学版), 2025[2025-11-20]. https://link.cnki.net/urlid/45.1066.C.20250929.1523.002.
[16]	魏淑艳, 武育芝. 地方经验如何跃升为国家政策:基于知识管理视角[J]. 理论探讨, 2025(4):49-60.
[17]	王存颂. 从“静态管理”走向“主动赋能”:AI规划知识管理系统的价值认知与建设构想[C]// 中国城市规划学会, 沈阳市人民政府. 迈向中国式现代化:规划的价值与作为——2025中国城市规划年会论文集(06城市规划新技术应用). 武汉: 湖北省战略规划中心, 2025: 519-529.
[18]	沈费伟. 乡村技术赋能:实现乡村有效治理的策略选择[J]. 南京农业大学学报(社会科学版), 2020, 20(2):1-12.
[19]	段易含, 张龙辉. 划界、越界与跨界:数智技术嵌入政府治理的边界研究[J/OL]. 兰州学刊, 2025[2025-11-20]. https://link.cnki.net/urlid/62.1015.C.20251121.1650.004.
[20]	龙志奇, 安小米. 大模型驱动政府数智治理的“技术—制度—能力”协同机制研究:基于深圳市DeepSeek应用的实证分析[J/OL]. 情报理论与实践, 2025[2025-11-06]. https://link.cnki.net/urlid/11.1762.G3.20251111.0924.002.
[21]	TVEITA L J, HUSTAD E. Benefits and challenges of artificial intelligence in public sector: a literature review[J]. Procedia Computer Science, 2025, 256: 222-229.
[22]	俞虓. 大模型背景下政府信息化项目管理的难点及解决思路[J]. 投资北京, 2025(6):50-54.
[23]	WIRTZ B W, WEYERER J C, GEYER C. Artificial intelligence and the public sector: applications and challenges[J]. International Journal of Public Administration, 2019, 42(7): 596-615.
[24]	王昊月. 从数字政府到智能政府:大模型重塑城市“智理”新范式[J]. 数字经济, 2025(3):8-10.

指标	人工审核	大模型辅助审核	效率/准确性变化
申报方案形式审查时间	约4 h	30 min	提升87.5%
项目方案完整性审查能力	不稳定,依赖经验	自动识别章节缺失、逻辑冲突	准确性+35%
重复建设识别能力	难以逐点人工比对	能精确识别重叠监控点位	显著提升
预算清单工程量核算时间	30 min	1 min	提升96%
预算异常项识别准确率	~60%(人工漏项多)	92%	准确率+30%
政策条款引用一致性检查	需人工检索	同步调用细则	时间节约40%

指标	人工审核	大模型辅助审核	效率/准确性变化
申报方案形式审查时间	约4 h	30 min	提升87.5%
项目方案完整性审查能力	不稳定,依赖经验	自动识别章节缺失、逻辑冲突	准确性+35%
重复建设识别能力	难以逐点人工比对	能精确识别重叠监控点位	显著提升
预算清单工程量核算时间	30 min	1 min	提升96%
预算异常项识别准确率	~60%(人工漏项多)	92%	准确率+30%
政策条款引用一致性检查	需人工检索	同步调用细则	时间节约40%

大模型赋能政府投资项目评审的机制创新与实践探索

Mechanism innovation and practical exploration of large language models empowering government investment project evaluation

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 2

参考文献 24

相关文章 15

编辑推荐

Metrics

本文评价

[1]	吴重庆, 杨思哲, 宁庭勇, 胡永波. 上海政务垂类大模型应用探索[J]. 信息通信技术与政策, 2025, 51(8): 78-83.
[2]	葛坚, 牛晓燕, 毕然, 黄雍涛. 低碳AI:大模型的绿色训练与推理优化方法研究[J]. 信息通信技术与政策, 2025, 51(6): 44-51.
[3]	王友奎, 黄天翊, 许潇文. 数字政府标准化建设中的主要问题及优化框架^*[J]. 信息通信技术与政策, 2025, 51(12): 2-9.
[4]	玉雁. 网上中介服务超市:从地方探索到制度变革的政务信息化实践[J]. 信息通信技术与政策, 2025, 51(12): 69-76.
[5]	郭亮, 王月, 李洁. 大模型算力体系构建与关键技术分析[J]. 信息通信技术与政策, 2025, 51(11): 81-88.
[6]	张熙, 李朝卓, 许诺, 张力天. 面向可信大语言模型智能体的安全挑战与应对机制[J]. 信息通信技术与政策, 2025, 51(1): 33-37.
[7]	李帅峥, 钱正, 董正浩, 史翔. 政务大模型的技术应用路径及发展建议[J]. 信息通信技术与政策, 2024, 50(6): 76-82.
[8]	任现, 薛峰, 方云飞, 蒋忠林, 陈勇, 唐炜. 基于大语言模型与智能体的智能座舱研究与实践[J]. 信息通信技术与政策, 2024, 50(12): 58-63.
[9]	钟杰, 康起明, 孙丽. 数字政府建设项目绩效评价研究[J]. 信息通信技术与政策, 2023, 49(8): 47-56.
[10]	李楠, 胡亦琦. 地方数字政府、数字经济一体化发展研究[J]. 信息通信技术与政策, 2023, 49(8): 64-72.
[11]	司志亮. 数字政府建设赋能数字经济发展路径分析[J]. 信息通信技术与政策, 2023, 49(1): 17-21.
[12]	李帅峥, 冯也苏. 数字政府与智慧城市协同建设路径思考[J]. 信息通信技术与政策, 2023, 49(1): 58-64.
[13]	邱晨明, 靳玲, 宁庭勇, 宗琳. 上海数字政府基础设施一体化运营服务研究[J]. 信息通信技术与政策, 2022, 48(12): 25-31.
[14]	徐军, 李红平, 刘希. 国家治理能力现代化建设需求下政府热线发展探讨[J]. 信息通信技术与政策, 2020, 46(7): 72-77.
[15]	陈德全, 王力, 郑玉妹. 面向数字政府高效运行的治理体系研究[J]. 信息通信技术与政策, 2020, 46(10): 42-46.