应急管理部沈阳消防研究所顺利完成DeepSeek本地化部署与知识库构建
应急管理部沈阳消防研究所顺利完成DeepSeek本地化部署与知识库构建
应急管理部沈阳消防研究所近日组建人工智能大模型研究专班，成功开展基于DeepSeek人工智能大模型部署、知识库构建、安全测评、数据训练、关键性能指标验证等多项工作，以更好地服务消防救援实战，助推“数字消防”高质量发展与落地应用。
开展本地化部署与知识库构建
应急管理部沈阳消防研究所已完成DeepSeek-R1-Distill-Llama-70B模型内网部署，开展了交互式问答、逻辑推理、意图识别、知识库搭建、RAG（检索-增强-生成）等基本能力验证工作。为配合消防行业深度应用，搭建了消防业务知识服务平台，汇聚了法律法规、标准规范、实战案例、预案规程等文档数据，并结合知识图谱等技术深度优化DeepSeek知识库。
基于多模态技术拓展DeepSeek应用场景
结合前期研究基础，应用多模态DeepSeek-Janus-pro大模型，搭建了火灾场景图文跨模态实验系统，实现了多帧连续图片的全场景实时文本转写，利用模型的图片与文字混合解析能力，综合分析场景消防要素信息，并提升模型整体推理能力，更好地适配消防行业多种业务需求。在原有基于人工智能的火灾监测预警新技术开发平台基础上，结合大模型先进推理性能，开展了基于DeepSeek大模型的火灾早期风险辨识和火灾非受控危险性的“行为”辨识算法研究。
规范数据处理流程 构建安全防护体系
在信息安全方面，专班采用互联网云端采集与内网模型平台间单向数据导入模式，搭建了多模态消防私域数据中台，在保障内网数据安全的情况下，为DeepSeek模型获取互联网信息提供安全通道。另外，专班在深入研究国家互联网信息办公室联合七部门发布的《生成式人工智能服务管理暂行办法》和全国网络安全标准化技术委员会发布《生成式人工智能服务安全基本要求》（TC260-003）标准的基础上，开展了面向人工智能大模型应用的全方位防护体系研究，涵盖部署环境安全、数据安全、网络安全、模型安全及应用安全等，并已初步制定了响应机制和保障措施。
本文原文来自应急管理部沈阳消防研究所