科研成果

复杂环境下，开源国防数据结构各异、语义复杂，及时有效地融合多模态语义信息，辅助情报决策迫在眉睫。文章提出多模态国防数据融合模型，增强国防情报分析能力。首先，梳理了开源情报的发展脉络；其次，分析了国防数据环境的复杂性；再次，总结了多模态数据融合的关键技术，构建了融合模型；最后，结合多模态国防数据融合案例，提出相应融合启示。复杂环境下，多模态国防数据融合既要准确把握语义融合的粒度，又要兼顾情报任务的需求，并结合深度学习等实现开源数据的快速、准确融合。

[ 目的 / 意义 ] 大语言模型在决策咨询领域具有较大应用潜力，分析其面临的精准性与可靠性问题，提出针对性解决方案具有重要意义。[ 方法 / 过程 ] 本文立足当前大语言模型的特点，分析探讨了其在决策咨询应用中暴露出的模型幻觉、持续学习能力不足、多模态输入输出融合困难、可解释性和价值观对齐等问题。[ 结果 / 结论 ] 研究提出了构建“知识增强 + 专家验证”、优化增量训练、强化符号逻辑与大模型融合、打造全息信息管道以及建设语料约束体系的五维应对框架，推动大语言模型赋能决策咨询。

线索发现是体现情报专业特色的关键情报任务，也是情报理论和实践研究的重要内容，文章围绕公共政策文本语义分析的线索发现进行探索，为循证决策中的政策研究问题提供证据支持。以循证决策场景下的公共政策文本分析需求为依据，系统梳理了政策文本语义分析的线索分布，基于情报感知理论，构建了公共政策文本语义分析的线索发现理论模型，提出支撑循证决策场景的线索发现流程与方法。在循证决策过程的政策设计、政策执行、政策效果评估阶段，公共政策文本语义分析的线索分布于政策演化、政策体系结构、政策协同、政策扩散、政策客体态度等方面，政策文本语义分析的线索发现包括政策数据扫描、情报事实提取、证据摹因刻画三个阶段，大语言模型技术的应用能够为循证决策提供高质量的证据。

健康是居民生活质量和社会福利的重要指标。在医保基金趋于“紧平衡”的背景下，提高居民自身的健康投资能力与意愿具有重要意义。本文使用中国家庭追踪调查数据，实证研究发现，房价变动通过改变居民对健康投资的支付能力和支付意愿，进而影响个体健康水平。基于这一发现，本文构建了一个同时包含内生住房和健康决策的生命周期模型，使用家庭数据校准参数，定量分析房价增长率和波动率对资产配置与居民健康的长期影响。模型显示。房价增长率和波动率会通过改变居民的支付能力和支付意愿，进而影响其健康投资。定量分析结果表明，该影响呈现非线性特征，具有显著的经济含义。本研究深入分析了房价变动在短期和长期的潜在健康效应，有助于理解居民资产配置与健康决策的联动机制，并对缓解医保基金支出压力提供了政策设计启示。

本文基于对埃塞俄比亚的实地调研和一手资料收集，分析联邦制对经济发展的影响及其机制。近二十年来，埃塞俄比亚在“族群联邦制+发展型国家”的制度模式之下实现了经济腾飞。财政联邦主义理论认为，联邦制可以通过央地分权和可信承诺等机制促进经济发展，而埃塞俄比亚的模式则揭示了迥异于财政联邦主义理论的一种可能性：在利普哈特所谓“成分不一致的联邦”中，通过地理上区隔各个族群以减少冲突，为经济发展创造条件。同时，埃塞俄比亚尝试通过“发展型国家”模式推动经济发展，事实上也背离了联邦制的一些重要原则，揭示了二者的内在张力。近年来，这一模式的一些负面影响浮出水面，联邦制急需用新的方式为政治整合和经济发展作出贡献。