2026年北京数智创新大赛与“数据要素×”大赛北京分赛同期举办，两类竞赛实行独立评选、双轨并行。数智创新大赛聚焦真实场景，使用真实数据，参赛队伍现场开发、同台竞技，破解现实问题。目前，数智创新大赛已经公布全部十八道赛题，包括十六道定向问题解决类赛题，以及两道开放创意类赛题。其中首批八道赛题已建立专属答疑群。为使各参赛团队更透彻地理解赛题背景、目标与难点，本期特对前八道赛题进行系统、清晰的阐释，力求帮助团队精准把握研究方向、合理选择参赛题目。
诚挚期待参赛团队踊跃报名参赛，在真实场景数据和切实市场需求中，共同发掘数据要素乘数价值！
赛题一、赵炳南中医皮肤科知识库赋能专科大模型训练与评测
出题单位：中国中医科学院中医药信息研究所
赛题类型：定向问题解决类
赛题简介：以赵炳南中医皮肤科知识库为核心数据要素，把名老中医的“看病思路”系统编码为可训练数据，训练并评测一个“会看皮肤病的中医AI”，实现“流派数据要素→专科大模型→评测基准→临床应用”的可复制范式，可平移至妇科、儿科、骨伤科等其他中医专科与名家流派。
问题现状：中医药是我国独特的卫生健康资源，名老中医的临床经验与流派学术思想是中医行业最具价值、也最稀缺的知识资产。面临“人在艺在、人走艺失”的传承困境，尚未完成“知识→数据→模型→应用”的系统转化。
中医皮肤科是中医临床优势学科之一。赵炳南先生作为现代中医皮肤科奠基人，其“湿、热、毒、瘀”辨证体系与黑布药膏、多皮饮、除湿胃苓汤、凉血五花汤等经验方，至今仍是湿疮、白疕、瘾疹等皮肤病诊疗的核心范式。
主要难点：①训练数据不足：流派学术思想未被系统编码为可训练的高质量数据集；②传承能力不够：中医辨证推理链路（症状→证候→治法→方药）跨度长、隐性知识多；③评测基准缺失。
期望效果：①数据要素价值化；②专科大模型训练（SFT/RAG/知识图谱增强等技术路线不限）；③客观评测基线（基于ZBN-Benchmarkv1.0，1503题，难度加权总分≥75分）；④流派传承度（赵氏经验方子集准确率≥80%）；⑤临床决策可用性（连续选择题完整链路准确率≥70%）。
赛题二、基于多维语义相似度的群体性诉求智能发现
出题单位：北京市市民热线服务中心
赛题类型：定向问题解决类
赛题简介：基于工单文本语义、地址空间、实体关联、时间分布等多维信息，对动态工单流中的相似工单完成精准聚类，支持跨时间窗口合并延续性群体诉求，提升识别准确率与推理效率。
问题现状：在城市治理数字化进程中，12345热线、政务平台等多渠道每天产生海量市民工单。工单表面是个体诉求，但其中隐藏着大量具有内在关联的“群体性诉求”（简称“群诉”）——同一区域、同一事件、同一主体引发的批量投诉。传统依靠人工筛查和逐级上报的模式存在发现滞后、遗漏率高、归并困难等问题。
主要难点：①算法需综合考量工单多维信息（文本语义、地址空间、实体关联、时间分布等），实现相似工单精准聚类；②需支持跨时间窗口的群诉合并，识别具有延续性的同一群体问题，避免同一事件被重复拆分；③在保证准确率的前提下需具备较高推理效率，支撑分钟级实时流式处理或小时级批量处理；④数据特点与挑战：地址信息非标准化、文本口语化严重、群诉规模差异大、跨日时间漂移。
期望效果：从分散个体工单中自动、准确、及时地识别和归并群体性诉求，提升城市治理精细化水平。
赛题三、基于多特征融合的12345热线智能退单预测与派单优化
出题单位：北京市市民热线服务中心
赛题类型：定向问题解决类
赛题简介：开发智能退单预测与派单优化模型。目标是在工单派发前预测高退单风险并给出原因，同时基于语义匹配、部门职责、历史处置效果等多特征，智能推荐最优承办单位，支持跨部门分拨，并建立“错题本”机制快速纠偏。
问题现状：12345热线作为政务服务的“总入口”，每天承接海量市民诉求。当前派单环节主要依赖规则引擎和人工经验，存在派单准确率不高、退单率居高不下的问题。据统计，全国平均退单率约15%-20%，部分地区甚至超过30%。退单不仅导致工单处置周期延长、群众满意度下降，还造成政务资源的严重浪费。退单原因复杂多样，包括分类错误、职责边界不清、跨部门协同不畅、属地划分模糊等，传统规则无法覆盖所有场景。亟需通过智能算法提前预测高退单风险工单，优化派单策略，从源头降低退单率，提升热线运行效率。
期望效果：
1.开发高精度智能退单预测模型，能够在工单派单前识别高退单风险工单，并预测退单原因；
2.构建基于多特征融合的智能派单推荐系统，综合考虑语义匹配、部门职责、历史处置效果、跨部门协同关系等因素，给出最优承办单位推荐；
3.支持跨部门、跨层级工单的智能分拨，解决职责交叉和边界模糊问题；
4.建立错题本，根据每道错题，可以快速纠正派单错误。
5.保证模型实时性，速度快，满足工单秒级派单的业务需求，实现退单率较基线下降30%以上。
6.算力消耗节省优先。
赛题四、基于大模型的12345热线五级分类体系标准化与智能优化
出题单位：北京市市民热线服务中心
赛题类型：定向问题解决类
赛题简介：建立统一的“一级行业职能—二级处室职责—三级诉求事项—四级表现情形—五级细分事项”五级分类标准体系，并开发高精度智能分类模型。核心挑战包括：文本口语化严重、分类标签粒度细且边界模糊、长尾类别样本稀少、新型诉求需快速适配。
问题现状：随着12345热线受理量逐年攀升，工单分类的准确性和标准化直接决定了派单效率和处置质量。当前多数地区采用的三级/四级分类体系存在层级模糊、定义不统一、更新滞后等问题，且人工分类依赖经验，存在错误率高、效率低、标准不一等痛点。同时，新型民生诉求不断涌现，传统静态分类体系无法快速适配业务变化。建立统一规范的“一级行业部门职能二级处室具体职责三级对应诉求事项四级具体表现情形五级诉求细分事项”五级分类架构，实现分类词库标准化和智能分类模型的快速迭代优化，已成为提升12345热线整体运行效能的核心基础。
主要难点：数据的挑战
文本口语化严重，存在大量错别字、方言和情绪化表达；
分类标签层级多、粒度细，部分边界类区分难度大；
各类别样本分布不均衡，长尾类别样本量极少；
新型诉求不断涌现，要求模型具备快速学习和迭代能力。
期望效果：
1.构建符合政务业务逻辑的12345热线五级分类标准体系，形成标准化的分类定义、词库和标注规范；
2.开发高精度智能分类模型，支持工单从一级到五级的自动分级分类，覆盖城管、物业、交通、环保等全领域民生诉求；
3.设计分类体系快速优化机制，支持新增类别、调整定义后的模型小样本快速适配，即某项分类调整，诉求分类可以快速调整，无需大规模重新训练；
4.保证模型推理效率，速度快，支撑实时工单分类处理，满足热线业务高峰时段的并发需求。
5.算力消耗节省优先。
赛题五、基于多源数据融合的文旅场景舒适度评估与风险超前预警模型与分析
出题单位：北京市延庆区政务服务和数据管理局
赛题类型：定向问题解决类
赛题简介：建立多维舒适度评估模型，构建“游客体验指数”；打造风险超前预警引擎，精准预判未来1-2小时内关键节点的拥堵风险、踩踏隐患及服务瓶颈，输出分级预警信号与处置建议。
详细描述：
随着信息化和数字化技术的快速发展，大数据、人工智能已经成为推动各行各业创新发展的重要力量。在文旅领域，大数据及AI技术的应用有助于实现旅游资源的优化配置和高效利用，提升旅游服务质量和游客体验。在文旅产业迈向“体验驱动”与“数智化治理”的关键转型期，游客对“安全无虞”与“舒适畅游”的诉求已从基础保障升级为品质刚需。然而，当前多数景区仍面临“拥堵感知滞后”与“体验评价模糊”的双重困境：管理者往往在拥堵形成、投诉发生后才被动介入，且缺乏量化工具将物理空间的“人流量”精准转化为游客心理的“舒适度”。为破解这一行业痛点，本次赛题聚焦于构建一套具备“未卜先知”能力的智能预警体系，要求参赛团队基于景区票务、气象环境、设施运行等多源异构数据，突破传统“事后统计”的局限，探索从“被动响应”到“主动防御”的范式升级。
本课题的核心，在于通过数据融合与算法创新，实现两大关键能力的落地：其一，是建立多维舒适度评估模型，不仅关注客流密度的物理指标，更要结合排队时长、天气体感、空间开阔度等因子，构建可量化的“游客体验指数”，让抽象的“游览感受”在数据层面“可见、可测”；其二，是打造风险超前预警引擎，利用时空序列预测、传播路径推演等技术，精准预判未来0.5-2小时内关键节点的拥堵风险、踩踏隐患及服务瓶颈，输出分级预警信号与处置建议。这不仅是对算法精度的考验，更是对文旅场景复杂逻辑的深度解构——模型需兼顾“安全底线”与“体验上限”，在保障零事故的同时，最大限度减少对游客动线的干预，实现“无感化”治理。
赛题六、面向轨道交通大模型的勘察行业高质量数据集建设与智能应用
出题单位：公共安全科学技术学会城市基础设施智能建造与安全运维专业委员会
赛题类型：定向问题解决类
赛题简介：构建勘察行业数据预处理工具与标准规范知识库；开发地质资料检索、地下水位预测、地质风险辨识三个专业智能体；在轨道交通勘察实际工程案例中完成应用验证。
问题现状：轨道交通勘察是工程建设的先导环节，长期存在资料检索效率低下、规范查阅流程繁琐、人工依赖程度高等痛点，海量地质数据标准不统一，地下水位预测和地质风险辨识高度依赖工程师经验。
主要难点：行业亟需通过数据预处理工具将多源地质数据与专业知识转化为高质量数据集，结合大模型与智能体技术，推动勘察行业从“数据资源”到“智能应用”的价值跃升。
期望效果/目标：①构建一套勘察行业数据预处理工具与标准规范知识库；②开发地质资料检索、地下水位预测、地质风险辨识三个专业智能体；③在轨道交通勘察实际工程案例中完成应用验证。
赛题七、基于声纹识别、隐私计算等技术的信用卡反黑灰产模型设计
出题单位：华夏银行股份有限公司
赛题类型：定向问题解决类
赛题简介：基于声纹识别、隐私计算、可信身份认证等技术，对信用卡反黑灰产模型进行设计，包含黑灰产产业链分析、模型设计、合规性阐述、技术方案等内容。
问题现状：随着经济形势发展，打着“代理维权”“债务优化”旗号的金融“黑灰产”已逐渐发展成上下游分工明确的产业链，给消费者个人信息与资产财产安全带来巨大风险，其中信用卡以其轻量化、便利化等特点首当其冲成为黑灰产重点目标。
主要难点：基于AI（大模型）、隐私计算、声纹识别、NLP、可信身份认证等数智化技术，搭建信用卡反黑灰产模型，需在保障合规性与便利性的前提下完成模型设计。
期望效果：①有效识别数据资产风险，辅助监管部门提升对系统性市场风险的感知与响应能力，风险传导信号可前置预警3-6个月，实现从事后处置向事前预判的模式转型；②安全便利地进行点对点交易，降低数据资产风险，大幅提升金融服务质量，金融产品需求响应周期缩短40%，用户服务满意度提升约25%；③为实体企业、自然人、团体等提供更切实可靠的融资渠道，高效防控欺诈损失，通过联邦学习实现跨机构数据协同建模后，反欺诈模型AUC值提升22%，对应整体欺诈损失率下降30%-40%。构建集“震慑力、技术力、协同力”于一体的黑灰产防治体系；如有实际应用案例更佳。
比赛形式：以案例赛形式输出符合国内监管要求的信用卡反黑灰产模型方案，模型现场演示为加分项。
赛题八、双碳考核多源数据智能核验与自动核算
出题单位：罗克佳华科技集团股份有限公司
赛题类型：定向问题解决类
赛题简介：依托多源数据集，设计算法模型实现跨源数据交叉核验、排放因子自动匹配、考核范围内企业/区域碳排放自动核算，解决人工核算效率低、数据口径不一致、核验难度大的痛点。
详细描述：
当前双碳考核已进入“刚性约束”新阶段，中办国办“5+9”双碳综合考核政策全面落地，对数据真实性、核算精准性提出极高要求。但现有考核工作存在三大核心痛点：一是人工核算效率低，单家重点企业核算需1-2周，省级年度核算周期超3个月；二是多源数据口径不一致，企业自报、政府监测、行业统计数据缺乏统一校验标准；三是核验难度大，传统抽查覆盖率不足5%，难以识别数据造假、漏报瞒报问题。本赛题依托全国碳市场管理、排污许可、工业污染源在线监测等多源权威数据，面向电力、钢铁、水泥、石化等8大高耗能行业，要求参赛团队构建多源数据交叉核验模型、排放因子自动匹配引擎与“企业园区区县市省”五级碳排放自动核算体系，实现双碳考核数据智能核验、自动核算与可视化输出，为政府双碳监管工作提供标准化、高效化技术支撑。
报名方式
（一）大赛官网报名
https://dexc.data.beijing.gov.cn
（二）微信扫码报名
（三）京通APP扫码报名
诚挚期待参赛团队踊跃报名参赛，共同释放数据要素价值！
