北京
本文转自：人民网-湖北频道
随着国际工程项目的持续扩展，工程企业积累了海量的合同相关文本数据，如何有效管理与提取其中的知识，已成为保障合同管理效率的关键挑战。针对行业痛点，天津大学管理与经济学部副教授傅永程及其所在的全球工程经营研究团队创新提出了“知识图谱+大语言模型”的双架构智能问答系统。2026年3月，中国工程院院刊《工程·管理（英文）》第13卷第1期发表了题为《基于大语言模型与知识图谱的国际工程合同问答系统》的研究成果。
痛点：人工审阅难越“经验依赖”与“逻辑迷宫”
国际工程合同不仅是法律文件，更是项目执行的“最高准则”。然而，面对动辄数千页的文本以及FIDIC、NEC等复杂模板，传统的人工审阅模式正面临严峻挑战。
傅永程表示，传统模式的瓶颈主要体现在三个方面：首先是合同语言逻辑关联的复杂性，合同内部包含大量条件、时限关联，人工难以同时追踪所有依赖链路；其次是高水平专家稀缺且培养时间长；此外，存在经验依赖与断层，审阅质量高度依赖个人经验，人员流动导致知识难以沉淀；最后是精力与注意力极限，审阅者极易因疲劳遗漏关键内容。
“一个大的风险在于对索赔触发条件或通知期限的误读。”傅永程说，“这可能导致企业在项目实施阶段陷入被动，甚至丧失原本应有的索赔权利。”他进一步分析，中企海外受挫往往并非源于技术或资金短板，而是对国际规则的误读：忽视合同中的程序正义、对FIDIC（国际咨询工程师联合会）合同范本的风险分配机制理解不足，以及对争议解决条款约定不清，这些都直接增加了维权的成本和不确定性。
破局：给大模型配一本“合同百科全书”
大语言模型（LLM）虽具备强大的语义理解能力，但在处理严谨的法律合同时，常会出现“一本正经胡说八道”的“幻觉”问题。针对这一行业共性难题，天津大学全球工程经营研究团队提出了创新的双架构系统。
“大模型产生幻觉的根本原因，是它依赖训练数据中的统计规律来‘猜’答案，并不真正理解合同条款的逻辑和约束。”傅永程解释道，他们的解决方案是利用知识图谱（Knowledge Graph）作为事实依据。
他形象地比喻：“这相当于给大模型配了一本带索引的‘合同百科全书’。大模型是‘讲解员’，但它不能凭记忆讲解，而是必须先翻阅百科全书上的指定条目，再根据条目内容来回答。这样，讲解内容就由事实框定，减少了胡编乱造的空间。”
在研究过程中，团队选择了FIDIC黄皮书与NEC4作为源数据进行建模。这两大体系在术语使用和条款结构上存在显著差异，给知识图谱的统一表达带来了巨大挑战。傅永程介绍，团队通过定义统一的关系属性体系，解决了术语异构问题（如将FIDIC中的“工程师”与NEC中的“项目经理”建立语义关联），并专门设计了捕捉“如果—那么”条件关系的算法。实验结果显示，该系统在准确性与可解释性方面平均成功率均超过87%，显著优于传统的通用商业合同AI工具。
展望：从静态知识库到动态“超级助手”
随着国际工程环境的瞬息万变，如何让系统适应合同范本更新或突发地缘政治风险，成为检验其实用性的关键。对此，傅永程坦言，当前系统在知识动态迭代方面存在明确的阶段性限制，这也是团队下一步的研发重点。
他具体分析道，针对合同范本更新，目前的知识图谱是基于特定版本手工构建的，尚不具备自动识别差异的能力。未来规划引入NLP（自然语言处理）技术和LLM辅助的变更识别模块，自动对比新旧条款，标注变动内容，以结构化建议的形式批量更新图谱，从而减少人工重建的工作量。而对于地缘政治风险等非标准化动态知识，当前的静态图谱无法直接覆盖。他认为这类场景更适合通过两个渠道补充：一是在问答环节引入实时外部数据检索，二是在提示词中明确告知大模型考虑相关外部因素，由其结合合同条款进行综合判断。
谈及大语言模型带来的范式转移，傅永程认为这将是一场从“经验驱动”到“知识驱动”，再到“智力集约型”的变革。他特别提到，AI的角色是“超级助手”，而非决策者。
“合同管理涉及法律解释、商业博弈和跨文化沟通，这些核心领域仍需人类智慧。”傅永程与年轻学者共勉，“技术是杠杆，领域知识是支点。不要一开始就依赖AI，先去精读FIDIC的每一个条款，建立自己的领域思维壁垒。未来的工程管理者，必须是懂AI的领域专家。”（张沛）
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
