7月4日至7月20日，南京审计大学计算机学院“智审调研团”社会实践小分队开展了为期17天的人工智能技术主题实践活动。团队围绕核心——RAG技术在智能审计的应用，通过线上线下相结合的方式，完成了优化方案、线上访谈等实践内容。

图一：智审调研团合影

近年来，大语言模型（Large Language Models，LLMs）凭借卓越的自然语言处理能力，正迅速成为人工智能研究与应用的新焦点，并引领自然语言处理乃至人工智能领域研究范式的转变。然而，大模型的“幻觉”问题（生成不符合事实的内容）经常成为制约其落地应用的关键瓶颈。为平衡大模型的生成能力与可靠性，检索增强生成（Retrieval-augmented Generation, RAG）技术通过结合外部知识库约束模型输出，成为当前解决幻觉问题的主流方案。

7月4日至7月8日，团队明确调研具体问题与目标，查阅有关资料获取智能审计的相关信息，并基于分工收集到的资料完成一份有关智能审计现状的报告，同时也深入理解基于 RAG 的审计定性依据生成系统的研究意义。

图二：团队成员探讨RAG相关信息

7月9日至7月11日，团队成员前往实验室与指导教师及课题组进行技术交流。团队向导师汇报了RAG系统的技术创新点。导师给出相关指导意见。​

7月11日至7月13日，调研组与南京审计局和苏州审计局开展书信线上访谈。团队成员与审计局专家交流了RAG项目的核心技术。专家分享了目前智能审计的重心，并提出了对智能审计的前景，为团队在提供了重要参考，团队对于RAG技术更加了解，并更加理解了审计事业的核心和前景。

图三：线上访谈照片

图四：线上访谈总结

7月14日至7月20日，团队进入独立开发阶段，重点对RAG检索性能进行深入测试。同时，团队在已有数据的情况下，查阅文献资料，完成了一份RAG检索定性依据的可行性优化方案，并且尝试对大模型进行审计方面的微调，对于短文本分析的生成效果准确率较高。

图五：RAG优化流程图

图六：微调数据图

通过本次社会实践，团队对 RAG 技术的探索不断深入，从掌握 “检索 + 生成” 核心逻辑，到钻研优化检索精度、提升内容生成专业性的方法，愈发明晰其价值。RAG 高效整合数据、提炼关键信息的能力，与审计对精准、全面的要求高度契合。这让团队对审计事业向往更甚，渴望以技术为翼，助力审计工作提质增效，守护经济秩序。与此同时，我们得到了有准确的、高效的有关于智能审计的调查成果，为审计工作提供智能化支持，提升审计效率和准确性，同时推动大模型技术在审计领域的应用与创新。

                                                撰文：智审调研团

                                                摄影：智审调研团

声明：凡来源或标记以“大学生云报”之内容均为本网合法拥有版权或有权使用的作品，至发布之日起三日后方可原文转载，转载时请注明来源及有效联系方式。

审定：钱珉宇    责编：赵旭 + 投诉举报