目录

1 介绍

2 相关培训

3 学术海报

4 知识图谱

4.1 “磐石” 工具的使用现状与问题

4.2 团队作品与赛道核心定位的适配问题

4.3 值得关注的优秀技术方向

---

1 介绍

        本届人工智能领域比赛基于我院研发的磐石科研智能平台（简称磐石），旨在通过赛前培训和比赛交流，引导职工深入了解大模型和智能体等AI技术，助力我院实现多学科协同的智能科研新范式，打造“AI+科学”创新生态。磐石是面向多学科领域研究共性需求的科研智能平台，可赋能“假设提出—方案规划—仿真推演—实验验证—规律发现”科研工作全流程。

磐石地址：磐石(ScienceOne) - AI for Science 科研智能平台

2 相关培训

人工智能方向的比赛进行了相应的培训：包含了科研智能体、大模型微调、机器学习、AI4S等多个方面

视频地址：大赛培训----职工技能大赛

3 学术海报

主要包含了“磐石-科学基础大模型”的简介和相应的科研工具的学术海报，希望可以给大家一些帮助

4 知识图谱

除科研工具赛道外，本次比赛的另一核心赛道为 “生成知识图谱挑战”。笔者全程参与该赛道答辩环节，结合实际观察发现：由于评分维度多元（涵盖技术深度、创新性、落地性等）且答辩时长有限，部分具备鲜明特色的作品未能充分展现优势，最终未获得理想名次。以下从工具使用、赛道适配性、优秀方向三方面展开具体分析：

4.1 “磐石” 工具的使用现状与问题

本次比赛对 “磐石” 工具的使用有明确要求，但从各团队实践反馈来看，其工作流功能与当前市场主流低代码平台（如 Dify、Coze 等）相比，在便捷性上存在明显差距，具体不足集中在四点：

1. 功能组件缺失：缺乏 “循环” 等基础流程控制组件，无法满足复杂场景的流程设计需求；
2. 工具生态薄弱：未集成市场常用的第三方工具，需团队额外开发适配，增加了开发成本；
3. 模型接入受限：不支持接入本地部署的自定义模型，仅能依赖平台自带模型，灵活性不足；
4. 复用性较差：构建完成的工作流仅支持在其他工作流或智能体内部调用，无法对外开放共享（如生成可嵌入外部系统的接口）。

上述局限导致不少团队为满足 “必须使用磐石” 的比赛要求，存在 “强凑功能” 的情况 —— 即工具使用与核心业务逻辑关联性较弱，未能真正发挥工具价值。

4.2 团队作品与赛道核心定位的适配问题

部分团队的作品展现出极高的应用成熟度：不仅已实现落地并供本所内部使用，还配套了论文、专利及专家推荐信等硬核支撑材料，但核心亮点始终聚焦于 “知识图谱的应用层面”（如基于图谱的检索、分析功能）。结合赛道定位，笔者认为这类团队存在 “赛道错配” 问题，具体原因如下：

• 科研工具赛道更适配：在科研工具赛道中，“将知识图谱用于提升科研效率”（如文献梳理、数据关联分析）可成为核心优势，与团队的应用能力高度契合；
• 本赛道核心是 “生成” 而非 “应用”：“生成知识图谱挑战” 的核心诉求是 “优化知识图谱的生成环节”—— 例如提升图谱的准确性、完整性、构建效率等，而非对已生成图谱的应用开发。

需特别说明的是，赛道并非完全排斥 “应用”：若能在 “生成高质量知识图谱” 的基础上，通过简单应用验证图谱质量（如小范围的检索测试），属于合理补充；但相比 “应用出色但生成环节薄弱” 的作品，那些 “生成能力突出、应用暂未落地” 的作品，反而更贴合本赛道 “以生成为核心” 的定位。

4.3 值得关注的优秀技术方向

尽管存在上述适配问题，本次答辩中仍涌现出一批紧扣 “生成核心” 的优秀方向，为赛道提供了有价值的技术参考，例如：

• 知识融合与补全：基于卷积神经网络构建模型，解决多源知识的冲突融合的同时，自动补全图谱中的缺失关系，提升图谱完整性；
• 提示词优化：通过强化学习算法动态调整提示词策略，减少人工干预，提升知识图谱生成的自动化程度与准确性；
• 场景化生成：针对学术论文场景，基于论文的论点、论据、参考文献等结构化信息，自动构建 “论点 - 论据 - 证据” 关联的知识图谱，精准匹配科研场景需求。