3 | 计算机科学与技术、智能科学与技术等相关专业 | 熟练Python等开发语言及相关数据分析建模工具,熟悉大模型应用开发技术,具有数据分析建模等同类项目研究工作经验的优先 | 1 | 卷烟消费洞察关键技术研究 | 利用大数据、人工智能等技术,聚焦卷烟消费需求到产品研发转化研究:
1. 开展多源多模态卷烟消费数据采集与预处理技术研究,构建标准化卷烟消费数据库。
2.构建面向消费者的需求评价指标体系并实现量化表征,明确各项指标的定义、量纲、评价尺度及分级标准。
3.建立卷烟消费需求指标到产品研发设计关键指标的映射模型,以消费数据科学指导卷烟“价位段、支型、风格、感官、文化、包装”等关键指标的设计,打通消费需求向产品研发设计转化的关键链路。 |
5 | 计算机科学与技术、软件工程等相关专业 | 具有烟草相关专业、数学建模经验者优先 | 1 | 基于烟叶感官质量与化学成分的烟叶加工配方模型构建研究 | 1.基于机器学习的烟叶化学成分与感官评吸指标双向映射模型研究采用神经网络、支持向量机、随机森林等算法构建初烤烟叶化学成分与感官指标的映射模型,通过交叉验证、特征选择等方法优化模型性能,提升预测精度与泛化能力,实现双向映射关系的智能化建模与模型的智能迭代升级。
2.基于多目标优化的烟叶加工配方数字化模型研究以初烤烟叶化学成分与感官指标的映射模型为基础,建立烟叶加工模块配方的多目标优化模型,引入遗传算法、粒子群算法等智能优化算法,综合考虑感官质量、成本、可用烟叶等多重约束,求解最优配方组合,实现配方设计的智能化与数字化升级。 |
6 | 计算机科学与技术、通信与信息系统、软件工程、应用数学与数据建模等相关专业 | 具有烟草行业工艺质量研究、过程控制、建模等方面研究经历者优先 | 1 | 面向工业互联网的烟草智能制造大模型关键技术与应用研究 | 1.以大规模预训练模型为核心,聚焦烟草工业企业生产场景,构建 “定制训练-轻量化部署-场景落地”技术链路体系,聚焦回潮、加料、切丝、烘丝等核心工艺,实现生产数字化建模、参数智能优化与质量稳定提升,赋能大模型烟草工业落地范式。
2.面向烟草工业数据特性,研发大模型多源数据融合技术,高效整合设备运行数据、工艺时序数据、质量检测数据与领域机理知识,构建适配大模型训练的统一数据范式;攻关烟草场景大模型定制化预训练技术,优化小样本微调、领域知识注入与模型压缩方案,提升模型在工业场景的推理效率与适配能力;基于大模型开发工艺优化核心模块,实现回潮、加料、烘丝关键工序质量控制和动态优化,挖掘设备工况与工艺参数的深层关联关系;构建大模型烟草行业落地专属的安全可信体系,覆盖数据脱敏、模型可解释性、推理安全等关键环节,完成典型烟草工厂工程化验证、探索规模化应用。 |