摘要：隨著大語言模型的發(fā)展和生成式人工智能的出現(xiàn)，人工智能對(duì)圖書館科技咨詢的服務(wù)流程帶來重大改變，對(duì)科技咨詢服務(wù)模式帶來深遠(yuǎn)影響，為科技咨詢服務(wù)的創(chuàng)新帶來新的思路。文章結(jié)合面向科技咨詢用戶的智能問答、文獻(xiàn)檢索、科技查新、文獻(xiàn)分析評(píng)價(jià)等服務(wù)內(nèi)容，研究了大語言模型在圖書館科技咨詢服務(wù)場(chǎng)景下的具體應(yīng)用實(shí)踐，為進(jìn)一步推動(dòng)大語言模型賦能科技咨詢創(chuàng)新應(yīng)用提供思路和啟發(fā)。

關(guān)鍵詞：大語言模型；科技咨詢；圖書館；人工智能

中圖分類號(hào)：G252. 6" 文獻(xiàn)標(biāo)志碼：A

作者簡(jiǎn)介：常娟（1983— ），女，館員，碩士；研究方向：科技情報(bào)與信息服務(wù)。

0" 引言

隨著深度學(xué)習(xí)技術(shù)的發(fā)展和自然語言領(lǐng)域的突破，大語言模型已成為人工智能領(lǐng)域的一個(gè)重要研究方向。繼Transformer、BERT系列之后，OpenAI公司發(fā)布生成式預(yù)訓(xùn)練模型GPT系列，國(guó)內(nèi)的百度、騰訊、阿里、科大訊飛、華為等公司紛紛推出文心一言、混元、通義千問、訊飛星火、盤古等模型。這些模型通過大規(guī)模數(shù)據(jù)集的訓(xùn)練和優(yōu)化，采用無監(jiān)督或自監(jiān)督的方式，學(xué)習(xí)并掌握通用的語言知識(shí)和能力，理解和生成人類語言、圖像、音視頻等多種類型的數(shù)據(jù)?？茖W(xué)家指出，大語言模型描述的語義空間和人類語義空間越來越接近，已經(jīng)產(chǎn)生類人智慧，其應(yīng)用前景不可限量。

圖書館的參考咨詢服務(wù)是以用戶目標(biāo)驅(qū)動(dòng)的，將知識(shí)內(nèi)容進(jìn)行捕獲、分析、重組來解決用戶問題的過程，是圖書館在進(jìn)行知識(shí)管理、組織、服務(wù)的智能化運(yùn)營(yíng)中的重要一環(huán)。隨著國(guó)家不斷強(qiáng)化科技創(chuàng)新部署，推動(dòng)高水平科技自立自強(qiáng)的科技創(chuàng)新能力，科技咨詢服務(wù)也迎來新的發(fā)展，科技咨詢用戶也提出了更高的需求。大語言模型的訓(xùn)練學(xué)習(xí)能力和生成能力給科技咨詢帶來更多的創(chuàng)新應(yīng)用可能，對(duì)圖書館科技咨詢的服務(wù)場(chǎng)景、服務(wù)流程、服務(wù)模式都將帶來重大改變及深遠(yuǎn)的影響。因此，本文結(jié)合面向科技咨詢用戶的服務(wù)內(nèi)容，探討了大語言模型的應(yīng)用情況，提出其在不同業(yè)務(wù)場(chǎng)景下的具體應(yīng)用模式，為進(jìn)一步推動(dòng)大語言模型賦能科技咨詢創(chuàng)新應(yīng)用提供思路和啟發(fā)。

1" 科技咨詢用戶的特征

科技咨詢用戶是指那些為了獲取特定的科學(xué)技術(shù)信息，為解決科技活動(dòng)中的問題或?qū)で髮I(yè)意見而使用科技咨詢服務(wù)的人?？萍甲稍兊挠脩羧后w主要面向政府、科研機(jī)構(gòu)以及企業(yè)。結(jié)合實(shí)踐工作進(jìn)行初步分析，該群體中科研機(jī)構(gòu)用戶和企業(yè)用戶是科技咨詢服務(wù)的重要用戶群，他們?cè)诳蒲猩a(chǎn)活動(dòng)中需要了解技術(shù)前沿、研究現(xiàn)狀和發(fā)展趨勢(shì)來輔助科研決策，掌握科研生產(chǎn)力、科技影響力情況，優(yōu)化科研布局，了解科研合作情況，助力用戶人才引進(jìn)和科研團(tuán)隊(duì)組建，跟進(jìn)業(yè)內(nèi)同行的動(dòng)態(tài)研究進(jìn)展，對(duì)科研方向進(jìn)行更新和修正，需要科技咨詢館員結(jié)合動(dòng)態(tài)需求為用戶進(jìn)行精準(zhǔn)服務(wù)。結(jié)合用戶的這類需求，圖書館衍生出文獻(xiàn)檢索、科技查新、文獻(xiàn)分析評(píng)價(jià)及其他個(gè)性化服務(wù)等科技咨詢業(yè)務(wù)，在這些業(yè)務(wù)場(chǎng)景中充分發(fā)揮大語言模型的優(yōu)勢(shì)及作用，研究其應(yīng)用模式，對(duì)科技咨詢業(yè)務(wù)的發(fā)展具有重要意義。

2" 大語言模型應(yīng)用場(chǎng)景

近年來，國(guó)家對(duì)科技創(chuàng)新高度重視，強(qiáng)調(diào)科技創(chuàng)新要面向重點(diǎn)科技發(fā)展方向建設(shè)知識(shí)組織體系，深入做好科技資源的語義揭示工作，增強(qiáng)知識(shí)發(fā)現(xiàn)能力。知識(shí)發(fā)現(xiàn)的概念最早在第十一屆國(guó)際聯(lián)合人工智能學(xué)術(shù)會(huì)議上提出，是指從海量數(shù)據(jù)中識(shí)別出有效或有潛在效用的信息并以可被理解的形式展現(xiàn)出來的過程［1］。知識(shí)發(fā)現(xiàn)自從被提出后，便成為人工智能界關(guān)注的焦點(diǎn)，數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、規(guī)則提取等諸多知識(shí)發(fā)現(xiàn)方法在過去數(shù)十年間相繼被開發(fā)。隨著AI大模型時(shí)代的到來和人工智能技術(shù)的快速發(fā)展，大語言模型被應(yīng)用到各行各業(yè)中，與之相關(guān)的新產(chǎn)品、新服務(wù)層出不窮。除上述常用的通用大模型外，國(guó)內(nèi)各科技領(lǐng)域的行業(yè)大模型也相繼被設(shè)計(jì)開發(fā)，如華為的盤古氣象大模型、百度的智艙大模型、深圳市大數(shù)據(jù)研究院和香港中文大學(xué)的醫(yī)療模型華佗GPT-2等，但目前行業(yè)大模型主要在數(shù)字原生行業(yè)應(yīng)用，其他行業(yè)領(lǐng)域應(yīng)用較少，仍有待進(jìn)一步研發(fā)與推進(jìn)。大語言模型在圖書館界有廣闊的應(yīng)用前景，未來必將廣泛應(yīng)用于科技咨詢工作中。大型的語言模型通過信息檢索、文本摘要、模式識(shí)別與分析等功能幫助用戶定位所需的知識(shí)點(diǎn)，通過智能問答、內(nèi)容創(chuàng)作等功能幫助用戶深度理解，啟發(fā)用戶創(chuàng)新思考，以有效輔助用戶知識(shí)發(fā)現(xiàn)。

2.1" 智能問答

大語言模型的出現(xiàn)將用戶交互從傳統(tǒng)的索引式、問詢式，轉(zhuǎn)換為更加靈活、自然的問答式?；趫D書館構(gòu)建的大語言模型相關(guān)的智能問答系統(tǒng)或圖書館虛擬數(shù)字人，經(jīng)過圖書館相應(yīng)知識(shí)語料庫(kù)的預(yù)訓(xùn)練，針對(duì)自然語言提出的問題，問答系統(tǒng)/數(shù)字人給出答案或做出相應(yīng)的反饋，為用戶提供每天24小時(shí)的及時(shí)響應(yīng)服務(wù)，智能導(dǎo)覽與咨詢服務(wù)，解答用戶關(guān)于開放時(shí)間、證卡要求、借閱政策、館內(nèi)資源、圖書檢索及定位等問題，提高了服務(wù)的效率，增強(qiáng)了服務(wù)的體驗(yàn)性和互動(dòng)性。

2.2" 文獻(xiàn)檢索

大語言模型已被應(yīng)用于圖書館現(xiàn)有館藏文獻(xiàn)數(shù)據(jù)的訓(xùn)練與檢索。國(guó)家圖書館將基于大模型的智能問答系統(tǒng)與全國(guó)圖書館聯(lián)合編目中心掛接，用以檢索館藏信息。盧森堡國(guó)家圖書館與OpenAI公司合作，共同開發(fā)人工智能聊天機(jī)器人，檢索館藏已數(shù)字化的報(bào)紙文章［2］，但目前仍存在查全率、查準(zhǔn)率不高且只能實(shí)現(xiàn)初級(jí)檢索，無法整合多篇文章信息生成檢索結(jié)果等問題。瑞典國(guó)家圖書館利用NVIDIADGX系統(tǒng)開發(fā)人工智能模型對(duì)館藏?cái)?shù)字化的瑞典語文本進(jìn)行訓(xùn)練，為學(xué)術(shù)研究提供支持，隨著對(duì)大模型訓(xùn)練工作的開展，瑞典國(guó)家圖書館開發(fā)了生成文本模型并致力于將聲音、視頻形式的館藏轉(zhuǎn)換為文本等研究，幫助用戶使用自然語言進(jìn)行檢索，高效獲取有用信息［3］。

大語言模型在文獻(xiàn)檢索領(lǐng)域有著廣闊的應(yīng)用前景，能夠深度挖掘知識(shí)，拓展知識(shí)獲取和處理的邊界，為用戶提供更高效智能的工具。傳統(tǒng)的文獻(xiàn)檢索通常借助布爾邏輯運(yùn)算符設(shè)計(jì)檢索策略，或者用復(fù)雜的機(jī)器語言輸入指令以篩選文獻(xiàn)，優(yōu)化檢索結(jié)果，但大多數(shù)用戶受限于自身信息素養(yǎng)水平，僅依賴于簡(jiǎn)單檢索，檢索效果較差，無法達(dá)到檢索目的。大語言模型的出現(xiàn)，能夠深入理解文本含義，處理自然語言提問的任務(wù)，通過與用戶進(jìn)行多輪會(huì)話，幫助用戶進(jìn)行漸進(jìn)式研究和擴(kuò)展，或者通過一段文本總結(jié)技術(shù)要點(diǎn)，提取檢索要素，生成檢索式，如智慧芽公司在專利檢索過程中利用大語言模型技術(shù)，使用權(quán)利要求、產(chǎn)品說明文檔、技術(shù)研討文檔等自動(dòng)生成檢索策略的功能，使用戶的檢索更加便捷、高效。

雖然通用大語言模型具有良好的思維推理能力，但其專業(yè)能力弱，缺乏可解釋性的問題無法忽視，這些問題往往導(dǎo)致檢索生成的內(nèi)容由于缺乏證據(jù)或者事實(shí)支撐而無法使用。為彌補(bǔ)生成模型的局限性，檢索增強(qiáng)生成（Retrieval-Augmented Generation， RAG）應(yīng)運(yùn)而生。RAG結(jié)合了檢索上下文相關(guān)信息和使用檢索到的知識(shí)指導(dǎo)生成兩種能力，在大模型生成響應(yīng)時(shí)，不僅依據(jù)其內(nèi)在知識(shí)，還能更有效利用外部知識(shí)（私有知識(shí)、實(shí)時(shí)知識(shí)、行業(yè)知識(shí)）［4］輸出更多有根據(jù)的信息，輔助大模型進(jìn)行思維與行動(dòng)，提高了答案的準(zhǔn)確性和事實(shí)性，在生成時(shí)為用戶提供相關(guān)的上下文，解決了魯棒性和可解釋性的問題。盡管大語言模型相繼突破處理長(zhǎng)上下文的能力，但由于數(shù)據(jù)存在復(fù)雜性和易變性，各專業(yè)領(lǐng)域的海量異構(gòu)數(shù)據(jù)無法全部放入上下文窗口等原因，RAG并不能被替代。未來的發(fā)展趨勢(shì)可能是兩者融合，從而在保持經(jīng)濟(jì)高效的情況下分析更多上下文，得到滿意的答案。

2.3" 科技查新

科技查新是指查新機(jī)構(gòu)根據(jù)查新委托人提供的需要查證其新穎性的科學(xué)技術(shù)內(nèi)容，經(jīng)過文獻(xiàn)檢索與對(duì)比分析而作出結(jié)論?？萍疾樾率强茖W(xué)研究、產(chǎn)品開發(fā)和科技管理等活動(dòng)中的一項(xiàng)重要基礎(chǔ)工作。查新的檢索流程主要包括語義搜索、確定檢索要素、檢索要素?cái)U(kuò)展、構(gòu)建檢索式、找到對(duì)比文獻(xiàn)進(jìn)行對(duì)比分析等。大語言模型可以有效提高科技查新的工作效率。輸入一段技術(shù)描述文本，大語言模型通過生成文獻(xiàn)摘要，提取技術(shù)要點(diǎn)，輔助咨詢館員理解查新項(xiàng)目技術(shù)要點(diǎn)，確定檢索要素。大語言模型通過對(duì)海量技術(shù)詞庫(kù)的識(shí)別，幫助咨詢館員區(qū)分同義詞、近義詞，對(duì)下位詞、相關(guān)詞進(jìn)行推薦擴(kuò)展，從而提煉并擴(kuò)展檢索要素，生成檢索條件。大語言模型還可以通過計(jì)算文檔的語義相似性來推薦相關(guān)文獻(xiàn)，幫助咨詢館員彌補(bǔ)因?qū)Σ樾马?xiàng)目理解不到位或檢索經(jīng)驗(yàn)不足，造成檢出文獻(xiàn)內(nèi)容相關(guān)度不高的欠缺，快速、高效地修訂檢索式。通過將對(duì)比文獻(xiàn)輸入，大語言模型的文本總結(jié)與摘要生成能力能夠輔助咨詢館員快速理解文獻(xiàn)要點(diǎn)，提升文獻(xiàn)解讀效率，撰寫對(duì)比分析內(nèi)容與查新結(jié)論。在查新報(bào)告撰寫完成后還可以通過大語言模型改善文稿質(zhì)量，確保使用的術(shù)語與技術(shù)表述準(zhǔn)確無誤。

2.4" 文獻(xiàn)數(shù)據(jù)加工與分析

傳統(tǒng)文獻(xiàn)數(shù)據(jù)的加工與分析是由咨詢館員處理完成的，其數(shù)據(jù)清洗、歸一化、規(guī)范化、統(tǒng)計(jì)分析、分類聚類的過程相當(dāng)煩瑣復(fù)雜，耗時(shí)巨大。大語言模型能夠快速處理海量數(shù)據(jù)，通過對(duì)大模型的預(yù)訓(xùn)練，讓模型看懂?dāng)?shù)據(jù)，根據(jù)提前預(yù)設(shè)的主題詞和語義相似度，對(duì)信息進(jìn)行自動(dòng)篩選、分類，可以將咨詢館員從煩瑣的工作中解放出來，僅需對(duì)大語言模型加工出來的分析結(jié)果進(jìn)行鑒別與驗(yàn)證。如大語言模型經(jīng)過海量語料庫(kù)的預(yù)訓(xùn)練，可以用于自動(dòng)標(biāo)引，改進(jìn)以往人工標(biāo)引的方式。唐曉波等［5］提出的基于BERT和TF-IDF的自動(dòng)標(biāo)引模型，基于多標(biāo)簽分類算法，分別對(duì)短問句和長(zhǎng)問句進(jìn)行賦詞標(biāo)引和抽詞標(biāo)引，幫助用戶篩選信息，提升檢索效率。戎璐［6］基于ChatGPT構(gòu)建的提示學(xué)習(xí)模型，能夠自動(dòng)識(shí)別并分類圖書，有效改善以往人工標(biāo)引的局面。此外，大語言模型的自動(dòng)生成能力還可以用來從海量信息中迅速提取關(guān)鍵信息，生成摘要或分析報(bào)告，使咨詢館員撰寫分析報(bào)告時(shí)更準(zhǔn)確地組織語言與技術(shù)表達(dá)。大語言模型經(jīng)過預(yù)訓(xùn)練，能夠抽取文本中的關(guān)鍵特征，理解文本中的情感色彩和觀點(diǎn)傾向，對(duì)公眾意見進(jìn)行情感識(shí)別與分類，在輿情分析中亦具有重要價(jià)值。

2.5" 學(xué)術(shù)論文評(píng)價(jià)

學(xué)術(shù)論文評(píng)價(jià)是指基于論文的衡量與評(píng)價(jià)，往往采用同行評(píng)議、計(jì)量分析和內(nèi)容分析的方法進(jìn)行。大語言模型的出現(xiàn)將生成式AI帶入人們的視野，研究者們投入相關(guān)實(shí)證研究，以期發(fā)現(xiàn)在學(xué)術(shù)論文評(píng)價(jià)方面的應(yīng)用可能。周海晨等［7］將專家評(píng)議文本與生成式AI產(chǎn)生的評(píng)價(jià)文本進(jìn)行對(duì)比分析，結(jié)果顯示，生成式AI工具的評(píng)價(jià)內(nèi)容簡(jiǎn)短，形容詞較多，專家的評(píng)價(jià)則集中于研究實(shí)體；同時(shí)，也使用ChatDOC對(duì)期刊數(shù)據(jù)進(jìn)行全文計(jì)量分析，在結(jié)果分析的基礎(chǔ)上提出ChatDOC存在專業(yè)性不夠的問題。目前的通用語言模型使用通用語料庫(kù)來進(jìn)行訓(xùn)練，在學(xué)術(shù)研究中通常在某特定領(lǐng)域?qū)I(yè)性很強(qiáng)，通用語料庫(kù)無法滿足，需要使用特定領(lǐng)域的詞表和語料庫(kù)進(jìn)行訓(xùn)練，在常識(shí)、事實(shí)等方面引入通用語言知識(shí)，結(jié)合百科數(shù)據(jù)這類大規(guī)模知識(shí)庫(kù)，以提升模型的訓(xùn)練性能。大語言模型通過內(nèi)容識(shí)別、語義理解、文本標(biāo)簽化、文本分類等功能在主題識(shí)別與內(nèi)容分析方面表現(xiàn)良好。李西雨等［8］從科技論文中抽取與評(píng)價(jià)指標(biāo)相關(guān)的文本，輸入微調(diào)大語言模型，通過語義評(píng)價(jià)指標(biāo)的量化打分，實(shí)現(xiàn)對(duì)科技論文的語義評(píng)價(jià)。建立學(xué)術(shù)論文中關(guān)于研究?jī)?nèi)容、實(shí)驗(yàn)設(shè)計(jì)及分析方法、研究結(jié)果等內(nèi)容，學(xué)術(shù)論文影響力評(píng)價(jià)相關(guān)的引用和參考文獻(xiàn)等信息的數(shù)據(jù)集，將同行評(píng)議時(shí)對(duì)論文價(jià)值判斷的指標(biāo)或依據(jù)進(jìn)行定量化［9］，或利用大模型大量學(xué)習(xí)論文價(jià)值判斷的指標(biāo)數(shù)據(jù)，進(jìn)行信息提取及量化打分，是未來學(xué)術(shù)論文評(píng)價(jià)可能的發(fā)展方向。

論文創(chuàng)新性評(píng)價(jià)往往通過相似度測(cè)算、關(guān)鍵詞或自然詞的對(duì)比來實(shí)現(xiàn)。大語言模型能夠快速處理復(fù)雜的數(shù)據(jù)特征，理解大量自然語言文獻(xiàn)及上下文關(guān)系，發(fā)現(xiàn)論文間的關(guān)聯(lián)和趨勢(shì)，可用于論文創(chuàng)新性評(píng)價(jià)。王雅琪等［10］利用ChatGPT進(jìn)行了論文創(chuàng)新性評(píng)價(jià)，對(duì)生成文本進(jìn)行分析，發(fā)現(xiàn)ChatGPT能夠?qū)⒄撐姆謩e進(jìn)行縱向分析和橫向分析，評(píng)價(jià)相對(duì)穩(wěn)定、準(zhǔn)確，未脫離現(xiàn)有的論文創(chuàng)新性評(píng)價(jià)標(biāo)準(zhǔn)，具有較好的客觀性、科學(xué)性。大語言模型能夠從創(chuàng)新點(diǎn)提煉、文獻(xiàn)對(duì)比分析、假設(shè)驗(yàn)證、引用分析、重復(fù)性檢測(cè)等多個(gè)角度對(duì)論文的創(chuàng)新價(jià)值進(jìn)行評(píng)價(jià)，雖然目前尚無法完全替代人類思維及領(lǐng)域?qū)＜业纳疃壤斫?，但仍不失為一款良好的智能輔助工具。

2.6" 個(gè)性化服務(wù)

大語言模型能夠?yàn)閳D書館用戶提供科技類圖書的主動(dòng)推薦服務(wù)。大語言模型能夠分析用戶的借閱記錄、咨詢記錄、檢索歷史、評(píng)價(jià)反饋等多維度數(shù)據(jù)，構(gòu)建更為精細(xì)的用戶畫像，通過理解用戶的學(xué)術(shù)需求、興趣變化、閱讀偏好等，為用戶提供更符合其需求的推薦列表。大語言模型能夠結(jié)合用戶所處的不同場(chǎng)景，做出符合用戶即時(shí)需求的基于情境感知的推薦。大語言模型能夠根據(jù)圖書的特征提取，構(gòu)建相應(yīng)的知識(shí)圖譜，為用戶推薦可能感興趣的圖書。已有研究人員構(gòu)建基于ChatGPT的圖書推薦系統(tǒng)，應(yīng)用于圖書評(píng)級(jí)推薦、用戶評(píng)級(jí)推薦和圖書摘要推薦中，推薦效果良好，接近甚至優(yōu)于經(jīng)典圖書推薦算法［11］。

大語言模型能夠?yàn)橛脩籼峁┒ㄖ苹?、連續(xù)性的定題跟蹤服務(wù)。大語言模型能夠快速處理海量數(shù)據(jù)，根據(jù)預(yù)設(shè)的主題詞和語義相似度，對(duì)信息進(jìn)行自動(dòng)篩選、分類，從而獲取最相關(guān)的內(nèi)容。大語言模型通過識(shí)別特定主題隨時(shí)間的熱度變化、新增知識(shí)內(nèi)容，識(shí)別研究熱點(diǎn)和專業(yè)領(lǐng)域動(dòng)態(tài)更新，跟蹤科技動(dòng)態(tài)，掌握科技現(xiàn)狀與進(jìn)展情況，為科研用戶提供動(dòng)態(tài)服務(wù)，為科研工作的決策與開展提供信息支持。

大語言模型能夠?yàn)榭萍甲稍冇脩籼峁┒ㄖ苹R(shí)導(dǎo)航服務(wù)。在垂直領(lǐng)域知識(shí)庫(kù)中，大語言模型能夠通過與知識(shí)圖譜深度融合，為用戶提供結(jié)構(gòu)化的知識(shí)，能夠根據(jù)特定的知識(shí)特征找到相應(yīng)的研究成果、實(shí)驗(yàn)數(shù)據(jù)或關(guān)聯(lián)文獻(xiàn)；通過對(duì)數(shù)據(jù)信息的抽取、分析、生成，構(gòu)建知識(shí)地圖，為用戶提供知識(shí)脈絡(luò)發(fā)展概況，使用戶獲得的知識(shí)更加系統(tǒng)化、精確化。

3" 結(jié)語

隨著大語言模型在圖書館科技咨詢服務(wù)中的進(jìn)一步應(yīng)用，智慧圖書館視域下的科技咨詢工作質(zhì)量和效率獲得有效提升，咨詢用戶也將獲得前所未有的咨詢體驗(yàn)、檢索體驗(yàn)與知識(shí)獲取體驗(yàn)。大語言模型的應(yīng)用使用戶的簡(jiǎn)單咨詢流程出現(xiàn)了顛覆性的革新，在復(fù)雜咨詢過程中，實(shí)現(xiàn)了資源的高效聚集，業(yè)務(wù)流程的持續(xù)優(yōu)化，提高了咨詢館員的工作效率，在一定程度上改變了科技咨詢的服務(wù)范式。本研究闡述了大語言模型強(qiáng)大的自然語言處理功能在文獻(xiàn)檢索中的應(yīng)用，削弱了館員使用檢索工具的要求，以交互式會(huì)話的方式達(dá)到檢索目的，同時(shí)，也對(duì)大語言模型應(yīng)用于文獻(xiàn)檢索時(shí)缺乏可解釋性、缺少事實(shí)支撐的問題進(jìn)行了初步探討。還結(jié)合大語言模型文本識(shí)別與分類、語義理解、文本摘要、文本生成、個(gè)性化推薦等功能，對(duì)如何有效利用大語言模型解決科技查新、文獻(xiàn)分析評(píng)價(jià)及其他個(gè)性化服務(wù)等業(yè)務(wù)場(chǎng)景中的問題進(jìn)行了探究，提出這類業(yè)務(wù)場(chǎng)景中大語言模型的應(yīng)用方法或途徑。

為進(jìn)一步強(qiáng)化大語言模型與科技咨詢業(yè)務(wù)的深度融合，滿足用戶需求，未來的工作還需進(jìn)一步開展。在當(dāng)前環(huán)境下，咨詢館員應(yīng)盡快提升使用大語言模型的檢索水平，掌握如何用自然語言提問，增強(qiáng)與大語言模型的交談能力。加快大語言模型與圖書館信息資源的掛接，強(qiáng)化領(lǐng)域庫(kù)、行業(yè)庫(kù)建設(shè)，通過人工智能訓(xùn)練，實(shí)現(xiàn)資源的拓展與重塑。結(jié)合大語言模型應(yīng)用場(chǎng)景，制定科技咨詢?nèi)鞒谭?wù)規(guī)范，劃分人機(jī)邊界，使服務(wù)流程更加系統(tǒng)化、標(biāo)準(zhǔn)化。咨詢服務(wù)的核心是幫助用戶解決問題，因此，借助大語言模型進(jìn)一步對(duì)用戶需求進(jìn)行強(qiáng)化分析，識(shí)別用戶意圖，完善用戶畫像并提供個(gè)性化服務(wù)方案，是未來科技咨詢服務(wù)的關(guān)鍵。在用戶畫像的基礎(chǔ)上對(duì)標(biāo)各項(xiàng)服務(wù)模塊，實(shí)現(xiàn)需求、資源、服務(wù)的精準(zhǔn)匹配，全面提高科技咨詢服務(wù)的質(zhì)量與效率。

參考文獻(xiàn)

［1］樊紅俠.知識(shí)發(fā)現(xiàn)及其在數(shù)字圖書館的應(yīng)用［J］.現(xiàn)代情報(bào)，2008（8）：90-92.

［2］佚名.盧森堡：國(guó)家圖書館使用ChatGPT檢索館藏［J］.陜西檔案，2024（1）：61.

［3］佚名.瑞典國(guó)家圖書館利用AI解讀百年館藏［J］.國(guó)家圖書館學(xué)刊，2023（6）：49.

［4］田永林，王興霞，王雨桐，等.RAG-PHI：檢索增強(qiáng)生成驅(qū)動(dòng)的平行人與平行智能［J］.智能科學(xué)與技術(shù)學(xué)報(bào)，2024（1）：41-51.

［5］唐曉波，劉江南.基于BERT和TF-IDF的問答社區(qū)問句自動(dòng)標(biāo)引研究：以金投網(wǎng)問答社區(qū)為例［J］.情報(bào)科學(xué)，2021（3）：3-10.

［6］戎璐.面向圖書自動(dòng)分類的大語言模型提示學(xué)習(xí)研究［J］.圖書館學(xué)研究，2024（1）：86-103.

［7］周海晨，章成志，胡志剛，等.大模型時(shí)代下全文計(jì)量分析的應(yīng)用與思考：2023全文本文獻(xiàn)計(jì)量分析學(xué)術(shù)沙龍綜述［J］.信息資源管理學(xué)報(bào)，2024（2）：162-169.

［8］李西雨，錢力，張智雄.基于提示微調(diào)的科技論文語義評(píng)價(jià)指標(biāo)量化方法研究［J/OL］.數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)：1-17［2024-05-17］.http：//kns.cnki.net/kcms/detail/10.1478.G2.20240116.0943.002.html.

［9］索傳軍，于淼，牌艷欣，等.數(shù)據(jù)驅(qū)動(dòng)的學(xué)術(shù)評(píng)價(jià)理論框架研究［J］.圖書情報(bào)工作，2024（1）：5-12.

［10］王雅琪，曹樹金.ChatGPT用于論文創(chuàng)新性評(píng)價(jià)的效果及可行性分析［J］.情報(bào)資料工作，2023（5）：28-38.

［11］LI Z Y， CHEN Y F， ZHANG X， et al. BookGPT： a general framework for book recommendation empowered by large language model［J］. Electronics，2023（22）： 4654.

（編輯" 何" 琳編輯）

Research on the application scenarios of large language models for scientific and

technology consulting users

CHANG" Juan

（National Library of China， Beijing 100081， China）

Abstract：" With the development of large language models and the emergence of generative artificial intelligence， artificial intelligence has brought significant changes to the service process of library technology consulting， had a profound impact on the technology consulting service model， and brought new ideas for the innovation of technology consulting services. The article combines intelligent Qamp;A， literature search， technology novelty search， literature analysis and evaluation services for technology consulting users to study the specific application practice of large language models in library technology consulting service scenarios， providing ideas and inspiration for further promoting the empowerment of technology consulting innovation applications by large language models.

Key words： large language model; scientific and technological consultation; library; artificial intelligence