高质量数据集典型案例 | 应急管理“久安”AI大模型高质量数据集

　　推荐单位：应急管理部
　　申报单位：应急管理部大数据中心
　　一、背景
　　深入贯彻落实习近平总书记关于人工智能的重要论述精神和国务院《关于深入实施“人工智能+”行动的意见》相关部署，积极响应国家数据局关于高质量数据集建设的工作安排，以支撑应急管理“久安”大模型训练优化与深度应用为核心目标，统筹推动全行业数据集建设和数据资源利用，着力构建覆盖多场景、多模态，兼具全面性、规范性与行业权威性的应急管理行业高质量数据集。
　　二、方案和成效
　　一是构建分类体系，夯实数据集基础。将数据集划分为安全生产、防灾减灾救灾、应急救援、综合管理等4个一级分类和27个二级场景分类，包含文本、图像、视频等多模态数据，实现应急场景数据“全维度覆盖”。建立“部级引领+省市协同”工作机制，统一各环节操作标准，为“久安”大模型提供规范的数据支撑。
　　二是完善建设流程，提升数据集质量。通过应急管理部应用系统、日常业务科研积累、地方试点应用三大渠道采集数据，形成基础数据底座，采用“大模型预处理+人工校准”混合标注模式深度加工，为模型训练提供可靠“燃料”，模型准确率从74%显著提升至89%。
　　三是赋能模型训练，发挥数据集效能。基于风险隐患数据集，训练提升模型辅助监测预警能力，实现对关键场景的实时感知，累计识别安全隐患1.2万余起。基于法律法规数据集，提升模型专业知识能力，依托“互联网+执法”系统实现“拍图识隐患、一键制清单、灵活查标准”，已在20余个省份推广应用，基层执法人员借助该工具显著提升执法效率。
　　四是打造共享生态，深化数据集应用。构建全国一体化应急管理数据支撑网络，为28个省份提供智能数据服务，共享知识库等标准化数据，满足地方数据应用需求，推动跨区域协同。
　　三、创新点
　　一是技术创新。专项研发适配多语种、复杂排版场景的 OCR 转换工具，深度融合多模态大模型的视觉特征提取与语义逻辑解析能力，实现 PDF 文件向可编辑文本、结构化表格等多格式的高效精准转换，且能完整保留原始文档版式与内容关联，有效解决模型训练中语料生成效率低、语义断裂等问题。
　　二是模式创新。从数据用途等四个维度构建立体数据架构，打破单一维度限制，实现数据灵活汇总与快速检索，提升调用效率，为多场景应用提供高效支撑。
　　三是管理创新。构建“部级引领+省市协同”三级联动体系，实现行业与地方数据双轨建设，打通交互通道，建立闭环管理机制，为全国数据集管理提供可复制范式。