Page 314 - 《软件学报》2026年第4期

王骞玥 等: 大语言模型驱动的可信政务问答技术 1755

场景下的稳定工作, 实现对多服务场景中不同语言组织方式下咨询的有效理解和针对性回答. 第 3.2 节按照使用
对象对政务咨询场景进行分类, 并通过实验证明了方法在不同服务场景下的服务优势. 本节将进一步探讨按照政
务服务主题分类时, 系统如何适应多样的现实服务场景.
按照政务服务主题分类, 可能涉及政策解释、法律咨询、行政审批等多个场景, 每个场景的知识需求和咨询
类型有所不同. 在按照不同政务主题分类的多个政务咨询场景中, 政务大语言模型根据领域知识库提供的领域知
识生成回答. 本文方法的领域知识库, 具有地域覆盖广、文本类型多、涵盖主题丰富的特性, 保障了库内知识的完
备性. 在不同政务服务场景中, 领域知识库可为政务大语言模型提供对应政务知识, 保障了方法的回答准确性.
综上, 原型系统通过分析引导模块对多语言组织方式下内容的专业化转述, 以及领域知识库对政务服务主题
覆盖的完备性和丰富性, 适应不同语言组织方式的用户提出的各类政务服务相关咨询. 因此, 原型系统具备在不同
政务服务场景和不同咨询类型的适用性.
6.2 方法局限性分析
目前, 领域知识库的构建方式较为简单, 采用固定长度切分文本并存储. 尽管使用了重叠长度以避免信息丢
失, 但仍然可能导致对原始政务知识的语义截断, 从而使检索到的领域知识缺乏咨询所需的细节内容, 极端情况下
可能会影响生成回答的详细性和实用性.
考虑到分析引导模块需要对新增服务场景进行快速高效的适应, 为平衡任务完成的稳定性和适应性, 本文的
分析引导模块是通过在政务大语言模型上使用上下文学习策略来实现. 虽然第 5.3 节和第 5.4 节的消融实验表明
了本文构建的分析引导模块的有效性和重要性, 这也可能导致模块对复杂咨询的解析能力不足, 极端情况下会影
响分析结果的完备性.
具有概括性信息需求的咨询, 要求方法整合大量知识并进行精炼总结以回答, 如询问某地区经济发展状况或
环保措施. 专家问答场景下的失败案例表明, 在面对此类提问时, 系统检索方法受大语言模型上下文窗口限制, 只
取与检索输入最相似的前 3 条知识库知识, 无法完整检索所需的信息, 影响了回答的完备性.
包含多个政务主题和事件场景的咨询, 需要系统抽取咨询涉及的所有政务主题, 发掘它们的正确关联并由此
分析用户咨询意图. 市民问答场景下的失败案例属于此类问题. 观察回答结果发现系统的分析引导模块未能完整
抽取问题涉及的多个政务主题, 且该模块没有独立步骤分析多主题间的关联导致分析的咨询意图不完备. 最终, 系
统在此类问题上产生的回答缺乏完备性且无法满足用户真实意图.
政务问答系统可能接收到的内容有语法错误、语义歧义或信息缺失等表述有误的内容. 分析引导模块依托政
务大语言模型, 可基于上下文理解修正简单的错误输入 (如错别字或漏字), 已经具备了一定的错误输入处理能力.
对于深层表述错误的咨询 (如包含语法错误或信息缺失的咨询), 分析引导模块无法自动补齐或修正, 导致对分析
结果的偏差, 进而影响回答的针对性和有效性.
系统在实际使用中可能接收包含对抗样本或代码注入的恶意攻击咨询. 本文方法未考虑对恶意攻击的防御,
因此, 在面对恶意攻击咨询时, 分析引导模块和领域知识库模块可能失效, 导致回答失败, 并且无法提供有效的分
析和参考结果.
6.3 研究方向展望
为了防止文档存入知识库时出现语义截断的问题, 受到 Luo 等人 [32] 工作的启发, 我们计划研究基于语义的切
分方式, 以保留原始文档的上下文信息, 提升知识库内的信息质量.
研究低数据量微调持续适应技术, 可以使用本文的分析引导模块为分析引导模块中的政务咨询子任务收集微
调数据, 为微调构建分析引导模块提供重要基础, 以提升分析引导模块输出的稳定性和效果. 为了在保证新服务场
景适应效率的前提下实现分析任务完成的高效稳定, 受到 Transformer-Squared [33] 工作的启发, 我们计划研究基于
多场景提示组合的任务微调框架, 以保障任务在多服务场景下的完成稳定性和适应效率.
针对高层次信息需求的咨询, 受到 RAPTOR [34] 的工作启发, 我们计划设计层次化知识库实现对信息的结构化
建模, 以及多信息需求的内容检索与整合方法, 提升面向多信息需求咨询时信息检索的完备性和密集度, 进而保障