面向联邦基金研究发展中心的生成式人工智能

联邦基金研究发展中心（FFRDCs）面临大量基于文本的工作负载，从政策文件到科学和工程论文，这些工作的分析往往需要手动完成，耗时耗力。我们展示了大型语言模型如何仅通过少量输入输出示例即可加速摘要生成、分类、信息抽取和情感分析。为支持在敏感政府环境中的使用，我们应用了 OnPrem$.$LLM，这是一个用于安全灵活应用生成式人工智能的开源框架。针对防务政策文件和科学语料库（包括国防授权法案（NDAA）和国家科学基金会（NSF）奖项）进行案例研究，展示了该方法在保持审计可追溯性和数据主权的同时，如何提升监督和战略分析能力。