基于熵值-贝叶斯网络的科技项目“揭榜挂帅”制度风险评估研究

周恬慧，易高峰

（盐城师范学院商学院，江苏盐城 224007）

1 研究背景

破解关键核心技术攻关难题，突破西方强国的科技封锁，把科技的命脉牢牢掌握在自己手中，不断提升我国发展独立性自主性安全性，这迫切需要创新科研组织形式，激发巨大创新活力。习近平总书记提出要有力有序推进创新攻关的“揭榜挂帅”体制机制［1］。“揭榜挂帅”制被认为是科研管理的重大理念革新和革命性制度创新［2］，是在创新驱动发展战略背景下提出的新型科研组织管理模式［3］，该制度的推行对于我国实现科技自立自强、抢抓新科技革命先机、营造良好人才生态环境具有重大引领作用［4］。

“揭榜挂帅”制是一种用市场竞争激发创新活力的科研激励机制，本质上就是科技悬赏制。科技悬赏制的载体是科技悬赏奖，其历史悠久，最早起源于1567 年西班牙王室设置的奖项，目的是寻找测算海上经度的方法，接着是1714 年英国政府设立的“经度奖”，这普遍被认为是第一届科技悬赏奖。之后，科技悬赏奖成为政府主要的科研资助方式，在包括美、英、德、法等多个国家中大量使用。与西方较为成熟的科技悬赏奖相比，我国的“揭榜挂帅”制起步较晚，目前尚处于初步探索阶段。自2020 年开始，我国各地方政府积极响应党中央的号召，陆续设立“揭榜挂帅”项目，如2021 年9 月内蒙古自治区公布了首批技术攻关类“揭榜挂帅”项目榜单，共15 项，总经费达2.7 亿元［5］；2022 年9 月浙江诸暨市首届“揭榜挂帅”，共发布44 个项目榜单，金额达1.38 亿元［6］；2023 年6 月黑龙江省科技厅在数字经济、冰雪经济等多个领域创设8 个“揭榜挂帅”科技攻关专项，设立43 个项目榜单，总经费超3 亿元［7］。虽然各地设置的“揭榜挂帅”榜单数量较多，榜单金额也比较大，但在具体实践过程中一系列问题正逐步显现，如设榜未能张榜、张榜未能选帅、攻关未能成功、奖榜未能兑现等情况时有发生，加上科技项目的创新本身就具有高难度、高投入、高风险的特征［8］，科技项目“揭榜挂帅”的风险日益显现，严重影响“揭榜挂帅”制的预期效果，也制约了关键核心技术的突破。但目前对于“揭榜挂帅”制的研究较少，主要集中于其内涵、运行机制与流程优化方面，几乎没有研究对“揭榜挂帅”制相关风险进行探讨；此外，当前研究科技项目风险的相关文献数量也明显偏少。因此，有必要对科技项目“揭榜挂帅”的风险进行研究，以保障“揭榜挂帅”制度的推行能达到预期效果。

风险评估是风险研究中的关键内容，学者们相继研发了专家判断法、层次分析法、灰色评价法、BP 神经网络评价法等多种风险评估方法，例如段秉乾等［9］、庞庆华［10］、朱庆锋等［11］的研究成果。1986 年，Pearl［12］首次提出运用贝叶斯网络来对不确定性知识的表达和推理进行研究，此后学者们便将贝叶斯网络作为评估科技项目风险的重要方法。还有学者将其他方法与贝叶斯网络相结合进行风险评估，如金俊丽等［13］为有效减少人为构建贝叶斯网络带来的主观性，把最大期望（EM）算法、遗传算法和贝叶斯网络结合起来，使得科技项目风险评估更加科学、合理。熵值法是依据评价指标原始数据来确定其权重并进行评价的方法，该方法在权重确定过程中有效避免了主观因素的干扰，结果更真实客观。因此，将熵值法融入贝叶斯网络构建熵值-贝叶斯网络模型可以进一步降低贝叶斯网络进行风险评估时的主观性，并将项目风险可视化，能够运用其强大的不确定性推理能力对复杂网络中众多变量间的关系作出有效推理，进而反映出各风险间的概率关系。为此，本研究通过熵值-贝叶斯网络模型对科技项目“揭榜挂帅”制度的整体风险水平进行测度，并基于关键风险因素分析结果提出相关对策与建议，以期为促进“揭榜挂帅”制度的高质量推行提供科学参考。

2 科技项目“揭榜挂帅”风险评估方法设计

2.1 风险评估流程

借鉴毛子骏等［14］的研究，本研究的风险评估流程可分为风险识别、风险分析和风险评价3 个阶段（见图1）。风险评估的重要前提是风险识别，识别出的风险要素是否完整、恰当直接影响评估结果的科学准确与否。首先对与科技项目“揭榜挂帅”相关的政策文件、文献等资料进行系统梳理和总结，在借鉴先前学者研究成果的基础上初步得出相关风险清单；随后通过对相关专家学者进行访谈，将关联度较低的部分指标删除，并补充之前被忽视的指标，构建最终的科技项目“揭榜挂帅”风险评估指标体系。风险分析是指对相关风险发生的概率及影响程度进行定量预测和判断，本研究采用贝叶斯网络对科技项目“揭榜挂帅”的风险进行分析主要包括4 个步骤：一是基于已建立的评估指标体系，将各层级指标间的关联关系转换为贝叶斯网络结构图；二是基于调研对象对各风险因子的发生概率及影响程度的打分结果确定父节点的先验概率；三是通过参数学习法推测网络非根节点的条件概率；四是基于贝叶斯公式将先验概率、条件概率转化为后验概率，即科技项目“揭榜挂帅”风险各项评估指标的概率。科技项目“揭榜挂帅”风险评价是指基于风险识别和分析的结果，为防范科技项目“揭榜挂帅”风险提供建议和参考。即在综合风险评估指标权重和风险概率的基础上，最终确定科技项目“揭榜挂帅”的风险水平，并基于评估结果提出相应对策。

图1 科技项目“揭榜挂帅”风险评估流程

2.2 风险评估方法

2.2.1 熵值法

运用熵值法对科技项目“揭榜挂帅”各风险指标进行熵值计算，并最终确定各风险指标的权重。具体计算步骤如下：

第一步，对初始数据进行归一化处理。

式（1）中：Aij为标准化值；Aj为第j项指标值。

第二步，计算Aij的比重Pij。

第三步，计算第j个指标的熵值ej。

式（3）中，k为常数。

第四步，计算第j个指标的差异系数cvj。

第五步，计算第j个指标的权重wj。

2.2.2 贝叶斯网络

贝叶斯网络是基于贝叶斯定理的一种有向无环图模型，能够在缺少相关数据的背景下有效识别并判断各风险因素间的逻辑关系及相互影响度［15］。贝叶斯表达形式如下：

式（6）中：Q(Ai)是节点Ai的先验概率；Q(B|Ai)、Q(B|Aj)是节点B的条件概率；Q(Ai|B)是节点Ai的后验概率。

本研究的条件概率表通过利用EM 算法开展的贝叶斯网络参数学习法获得。EM 算法是一种迭代算法，它的每次迭代都由E步（求估计）和M 步（极大化）这两步组成。其中，E 步是依据观测到的变量及当前参数值，计算样本数据集N的概率分布期望。表达形式为：

式（7）中：θt为当前参数值；θt-1为上一迭代得到的参数估计值；Z为要研究的事件。

根据何清华等［16］的研究可知，确定贝叶斯网络结构的方法有3 种：一是运用相关软件对大量样本进行反复训练获得；二是借鉴专家知识及实地调研数据确定；三是将前述两种方法相结合。考虑到科技项目“揭榜挂帅”的特殊性及样本限制，在结合相关风险来源分析的基础上，通过专家访谈和实地调研信息确定本研究的贝叶斯网络结构。

2.3 科技项目“揭榜挂帅”风险评估指标体系

“揭榜挂帅”是指聚焦目标明确的技术难题，创设专门的项目向社会公开张榜，同时不设门槛，进而选出“帅才”以研发出创新型科技成果的一种制度安排［17］。从2016 年4 月习近平总书记在网络安全和信息化工作座谈会中首次提出“揭榜挂帅”，到2020 年5 月十三届全国人大三次会议的《政府工作报告》中强调实施，再到2020 年11 月在《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》中形成制度，“揭榜挂帅”制度已从不成熟逐渐发展为规范化。然而调研发现，目前“揭榜挂帅”制度主要用于重大科技项目，该类项目原本就具有高难度、高投入、高风险的特征，加上将该制度用于攻关重大科技项目是一种新的探索，张榜无效、揭榜失败等风险日益显现，这些风险的发生对“揭榜挂帅”制度推行的预期效果产生了负面影响，也制约了国家重大科技项目的创新实施。通过整理以往相关文献以及实地调研发现，科技项目“揭榜挂帅”的流程大致相同，可归纳为揭榜选帅、科技攻关、评榜奖榜3 个阶段，而揭榜选帅这一阶段又可以细分为设榜、张榜、选帅3 步。因此，本研究将科技项目“揭榜挂帅”的风险分为设榜风险、张榜风险、选帅风险、科技攻关风险和评榜奖榜风险5 类。

（1）设榜风险。榜单本身的质量直接影响到“揭榜挂帅”的效果，主要体现为未能聚焦重大科技瓶颈问题进而导致关键核心技术需求未能精准征集，以及对榜单中项目的评审不到位［18］。一方面，由于征集途径不足或者对于征集人员以及征集对象的动员不够，部分榜单主要来源于本地企业提出的共性科技问题或者个别企业自身的技术难题，其全局性、前沿性和带动性不够，从而使得关键核心技术需求未能精准征集；另一方面，对于榜单中项目技术指标的定位不够准确或者相关要求不够清晰［19］，导致不适合“揭榜挂帅”的项目未被剔除，进而造成揭榜率低甚至“流榜”的后果。同时，对于需求方的资质和科研等各方面能力的评审不到位，以及评审时采取的专家诊断、同行评议、实地调研等措施未能真正付诸实践，这些都会影响到“揭榜挂帅”后续流程的顺利开展。

（2）张榜风险。首先是张榜方案的设置不到位，体现为吸引力不够和操作性不强。相关方案设置与一般的科研规划类似，部分条款激励性不足则无法有效吸引帅才，且方案的研发时效、奖金额度等设置不够合理导致帅才参与积极性不高。其次，张榜的宣传力度不够［20］。主要体现为张榜的平台不够广、张榜的方式不够丰富，从而导致传播范围小、知晓范围窄，进而造成参与者少，导致揭榜率低或者揭榜质量不高。

（3）选帅风险。该风险主要源于对帅才的遴选机制不够完善，具体表现为对帅才的资格限制仍存在、揭榜者竞争不足、选帅流程不够规范3个方面［15］。“揭榜挂帅”制与传统的纵向委托式科研申报制相比，最大的区别在于构建了不设门槛的开放式创新模式，但在现实中这一模式并未得到很好地实践，学历、资历等仍是选帅的隐性筛选条件。另外，根据调研，目前仍以单一揭榜方为主，多个揭榜方平行研究少，竞争不足导致揭榜者容易在研发过程中懈怠，进而增大了研发失败的风险。最后，在对揭榜者的资质审查、揭榜方案的评估等选帅过程中可能存在骗取政府资金的串谋行为；同时，在组织专家对揭榜者的资质进行审查时，很多时候均是组织一场评审会，并未对揭榜者进行实地且全面的考察，从而使得专家不能深入地了解揭榜者的科研素养、创新能力等资质，进而可能导致选出的帅才与榜单技术需求适配度不高。

（4）科技攻关风险。该风险主要体现在外部和内部两个方面。外部风险方面是指揭榜者未能对产学研等优势资源进行充分整合，进而导致技术攻关失败；同时，容错机制、补偿机制、风险分担机制等协同攻关机制不完善导致揭榜方感到攻关困难，进而选择中途退出。内部风险方面是指揭榜者本身存在的问题，包括项目管理不到位（如项目管理团队变更、项目领导缺乏领导能力、工作规划不合理等）、对于项目的成本识别不足导致后期费用超出、研发人员能力不足进而难以满足榜单技术需求等。

（5）评榜奖榜风险。该风险同样分为内部和外部两个方面。内部风险方面表现包括：一是未能将过程性评价和结果评价进行有效结合，从而导致揭榜成果与揭榜任务或者方案不匹配；二是“揭榜挂帅”最终形成的知识产权、荣誉等归属不明晰，进而产生评榜困难。外部风险方面主要表现为需求方、张榜方资金不足导致难以兑付榜单约定的资金，以及承诺的研发补助、人才扶持、金融支持等未能如约提供。

运用熵值法计算出以上每项风险源以及风险因子的权重，如表1 所示。

表1 科技项目“揭榜挂帅”风险评价指标体系

3 科技项目“揭榜挂帅”风险评估实证分析

3.1 数据来源及处理过程

3.1.1 数据来源

研究数据主要来源于调研问卷，面向政府部门、高校、科研机构、科创园区、创新创业园区等发放问卷，邀请组织、参与、研究过“揭榜挂帅”项目的相关人员对每项风险评估指标的发生概率和影响程度进行打分，共计收回131 份有效调研问卷。其中，87.02%的受调研人员参与过“揭榜挂帅”项目，72.52%的受调研人员来源于企业。问卷由受调研人员基本信息和对科技项目“揭榜挂帅”风险的判别两部分构成。运用SPSSAU 软件对问卷进行信效度分析得出，问卷整体Cronbach's alpha 系数为0.965，说明问卷整体可信度较高；设榜风险、张榜风险、选帅风险、科技攻关风险和评榜奖榜风险5种风险源的Cronbach’s alpha 系数分别为0.887、0.833、0.831、0.898、0.891，均大于 0.800，说明样本数据的内在一致性很高；问卷整体的KMO 值为0.899，Bartlett 球形检验结果显著（P＜0.01，巴特球形值=3 710.256，df=903），说明问卷效度较好。

3.1.2 数据处理

贝叶斯网络中每项风险评估指标的发生概率和影响程度主要来源于受调研人员打分。采用5 分李克特量表进行衡量，各风险因子的风险水平计算式子如下：

式（8）中：RLuv代表第u位受调研人员评价的第v个风险因子的风险水平；OPuv代表第u位受调研人员对第v个风险因子发生概率的打分；IDuv表示第u位受调研人员对第v个风险因子影响程度的打分。

借鉴Lee 等［21］的研究，将通过调研问卷所得数据集运用如图2 所示的风险等级矩阵进行规范化处理，即将受调研人员对风险因子发生概率以及风险因子影响程度两者的打分值相乘，得到该项风险因子的对应等级。风险等级包括R1、R2、R3三级，分别对应低风险、中等风险和高风险。

图2 风险等级矩阵

基于受调研人员对各风险因子的打分及对相应数据的规范化处理，对风险源和整体风险水平进行计算，然后通过网络结构匹配各风险节点，最后通过Genie 软件进行参数学习得出条件概率，进而得到所有节点的初始状态概率分布。风险源和整体风险水平的计算式如下：

式（9）中：WkJ、RkJ分别为第K类风险源中第J个风险因子的权重和风险水平，分别是通过对R1、R2、R3赋值1、2、3 得到；RK为第K类风险源的风险水平。

3.2 科技项目“揭榜挂帅”风险评估贝叶斯网络模型

依据以上建立的评估指标体系，运用Genie 软件将各层级指标间的关联关系转换为贝叶斯网络结构（见图3），以整体“揭榜挂帅”风险为目标节点，涵盖5 类风险源及21 个风险因子节点。将受调研人员对各风险因子的打分结果通过风险等级矩阵进行规范化处理，同时结合运用熵值法计算所得的各风险因子的权重，一并代入式（2），可得设榜风险、张榜风险、选帅风险、科技攻关风险、评榜奖榜风险的风险水平均值分别为2.330、2.201、2.288、2.257、2.155，及其指标权重分别为 0.244、0.138、0.141、0.257、0.220，最终可得科技项目“揭榜挂帅”的整体风险水平为2.250。

3.3 模型正向推理结果

科技项目“揭榜挂帅”不同风险源及整体风险的初始概率分布如图4 所示。从模型的正向推理结果可以看出，科技项目“揭榜挂帅”整体风险处于R1、R2、R3的概率分别为25%、46%、29%，可见处于中等风险的概率最高，鉴于风险水平的取值区间为［1,3］，可计算出整体风险值为：1×0.25+2×0.46+3×0.29=2.04，表明科技项目“揭榜挂帅”的总体风险水平处于中等。从不同类型的风险来看，选帅风险处于高风险状态的概率最高，达34%，其次为设榜风险和科技攻关风险，均为33%，评榜奖榜风险处于高风险状态的概率最低，为25%。同理，运用上述风险水平赋值方法可计算出设榜风险、张榜风险、选帅风险、科技攻关风险和评榜奖榜风险的风险值分别为2.09、2.16、2.25、2.11和2.08，可见科技项目“揭榜挂帅”面临的选帅风险最高，其次为张榜风险，评榜奖榜风险最低。

图4 基于贝叶斯网络模型的科技项目“揭榜挂帅”风险正向推理结果

3.4 模型逆向推理结果

逆向推理又称“诊断推理”，是在已知结果时逆向寻找导致该结果的原因，运用贝叶斯网络的逆向推理可识别出导致科技项目“揭榜挂帅”风险的最关键因素及其概率分布。基于以上模型正向推理结果，在Genie 软件中设置目标节点即“揭榜挂帅”整体风险的R3为1 进行模型的逆向推理，结果见图5。将正逆向推理结果进行对比可以看出（见表2），风险水平变化最大的风险源是科技攻关风险，变化最小的是评榜奖榜风险；5 个风险源的风险水平由高到低依次为：选帅风险＞张榜风险＞科技攻关风险＞设榜风险＞评榜奖榜风险。因此，选帅风险、张榜风险和科技攻关风险是科技项目“揭榜挂帅”风险的主要风险源。

表2 基于贝叶斯网络模型的科技项目“揭榜挂帅”风险正逆向推理结果比较

图5 基于贝叶斯网络模型的科技项目“揭榜挂帅”风险逆向推理结果

3.5 敏感性分析

敏感性分析是确定各风险因子对目标节点影响度的方法。由于张榜风险、选帅风险、科技攻关风险是主要的风险源，因此分别将这3 类风险源设为目标节点，得出对这3 类风险源影响最大的风险因子。从表3 可以看出，张榜风险下的各风险因子影响程度从大到小排序为：张榜方案操作性不强＞张榜方案吸引力不强＞张榜宣传不够；选帅风险下的各风险因子影响程度从大到小排序为：选帅流程不够规范＞对帅才的资格限制仍存在＞揭榜者竞争不足；科技攻关风险下的各风险因子影响程度从大到小排序为：项目管理不到位＞项目成本识别不足＞协同攻关机制不完善＞研发人员能力不足＞优势资源整合不足。因此，在进行这3 类风险源的防范时应优先考虑张榜方案操作性不强、选帅流程不够规范、项目管理不到位3 个关键风险因子。

表3 科技项目“揭榜挂帅”风险因子敏感度

4 结论及建议

利用贝叶斯网络模型能够克服科技项目“揭榜挂帅”风险管理领域相关文献不足的难题，将调研知识经过一系列有效处理后可转变为风险评估依据，因此本研究运用贝叶斯网络的参数学习、正向推理、逆向推理、敏感性分析等功能构建科技项目“揭榜挂帅”风险评估模型，结果显示当前我国重大科技项目“揭榜挂帅”风险处于中等水平，其中张榜风险、选帅风险和科技攻关风险是主要风险源。据此，提出如下风险管控建议：

（1）改进张榜方案，吸引帅才“揭榜挂帅”。一是增强张榜方案的可操作性。围绕国家战略需求，征集“真榜”，破解难题。为提高张榜方案的可操作性，要对榜单涉及的技术组织开展专门的调研和充分的论证，凝练亟须的产业共性技术和关键核心技术作为“揭榜挂帅”的重点项目和攻关目标；同时，借鉴以往以及其他地区的先进经验，合理设置方案中有关研发时效、奖金额度等条件要求，减少帅才难以参与情况的发生。二是提高张榜方案的吸引力，增强激励性。在综合考虑榜单的具体类型、涉及的技术、产生的风险以及所需时间等因素的基础上，采取多元化的定价方式，从而使榜单最终的奖金数额更具激励效应。另外，鼓励需求方设立专门的基金，采取预先市场承诺、成果购买等方式减弱揭榜方未来的风险［22］，使得张榜方案更具吸引力。三是构建云平台并充分利用新媒体平台扩大宣传范围，吸引帅才踊跃揭榜。构建一个集设榜、张榜、揭榜为一体的“揭榜挂帅”云平台，收集过往有关需求方、张榜方、揭榜方以及专家的信息，同时将高校、科研机构、创新创业园区、科创园区等先进科研团体或个体也纳入这个平台，并将新的“揭榜挂帅”项目实时推送到以上各方的个人账号，使得“揭榜挂帅”项目的推广更具针对性。此外，可以在微信、微博官方公众号或抖音、快手等新媒体平台上进行“揭榜挂帅”项目的宣传。对于重大科技项目，可以面向全球招募，通过举办全球新闻发布会、网络发布会等形式以及依托全球海外引才工作站、海外人才社团等渠道进行宣传。另外，对于特定技术需求领域，应专注技术供给方面的领先国家或者创新主体，组织重点或专场宣传推介会。通过多措并举，扩大“揭榜挂帅”项目的传播范围，吸引更多帅才参与，提高揭榜率以及揭榜质量。

（2）完善选帅机制和揭榜模式，激发创新活力。一是规范选帅流程。要大力营造公平、公开、公正的“揭榜挂帅”选才环境。在选拔揭榜者时，评审成员的组成应不仅包括行业技术领域专家，还应包括需求方、投融资等机构的专家，这样不仅可以使评审的结果更权威，而且可以有效减少揭榜者与评审专家的串谋行为；同时，揭榜方与需求方之间应不存在利益关联，如若二者曾进行过研发合作或存在股权关系，那么就更有可能出现非法套取政府资助资金的合谋行为。另外，需建立动态监督机制。揭榜方、需求方和评审专家都应被纳入信用监督管理系统，并动态监测揭榜项目的具体实施，对虚设名目的榜单以及骗取科研经费的行为进行惩戒。二是改进揭榜者的资格限定，不拘一格降人才。榜单目标不同，对申报者的要求也不同，应依据具体榜单目标对申报者的资格限定条件进行确定。除成果转化型榜单目标需要对揭榜者的法人资格、是否拥有科技成果成功转化经验等进行较多条件的限定外，应破除对揭榜者学历、职称、荣誉等条件限制，形成唯才是举的公平用人机制，以更加开放的姿态选拔人才，打破科研“小圈子”，进而尽可能扩大潜在揭榜者。三是创造性使用“一对一”与“多对一”揭榜模式［9］，激发创新活力。“一对一”揭榜模式指只有一个揭榜方或者多个单位组成一个集合体进行科研攻关；而“多对一”揭榜模式指多个揭榜者进行平行科研攻关，即“赛马制”。从激发揭榜者创新积极性以及提高项目成功率的角度来说，竞争机制的引入将起到明显正向促进作用。“赛马制”可以形成多个揭榜者平行攻关模式，进而实现单一主体向多元竞争主体科研攻关转变。具体来说，在攻关技术路线明显不同、项目需求方难以确定唯一合作对象时，可以选定多个揭榜者进行平行攻关，最先完成项目目标的为最终揭榜方。当然，在实践中，对于揭榜者数量的选择应综合考虑经费预算、项目创新性与难度以及揭榜方研发能力等因素。总之，为激发揭榜方的研发积极性，减少揭榜方在研发过程中懈怠的可能性，进而提高研发成功率，应做好“一对一”与“多对一”模式的权衡，并尽可能采用“多对一”模式，仅在少数情况下采取“一对一”模式；同时，建立责任追溯和惩罚机制，对揭榜后不尽责或不作为的揭榜者，收缴其项目奖励及荣誉，列入科研诚信“黑名单”并在全国科技界进行通报。另外，还可以学习工信部的做法，设置主、辅两个赛道，形成攻关梯队，若主赛道企业不作为，辅赛道企业可以接替主赛道企业继续攻关工作。

（3）优化项目管理和协同攻关机制，提升科研创新能力。一是强化“揭榜挂帅”项目管理。保持项目管理团队的稳定性、充分发挥领导人员的效能以及制定合理的工作规划，这三者的前提都在于进行了合理的项目团队组织规划和设计，即在明确项目目标、具体要求的基础上，对项目管理团队的组织结构、团队组织中的职位以及各职位对应的责、权、利等进行合理规划，从而提高职位与员工的匹配度，在充分发挥领导效能的同时提高管理团队的稳定性。其次，需完善绩效考核和激励政策以调动项目管理人员以及项目其他参与人员的工作积极性。另外，还要加强对项目管理人员以及其他参与人员，特别是财务人员的专业技能培训，进而减少工作规划不合理以及项目成本识别不足等问题的发生。二是完善协同攻关机制。关键核心技术的攻关难度大且结果具有很大的不确定性，在项目实施过程中可能出现研发失败的情况，因此应完善针对揭榜方的容错、补偿、风险分担等协同攻关机制。完善的容错免责机制可以鼓励更多潜在揭榜者参与揭榜［23］，在他们顺利揭榜后能够勤勉尽责的前提下增强其在技术攻关道路上攻坚克难的勇气和底气。同时，需科学设计与里程碑节点考核相匹配的揭榜失利补偿机制。因为多个参与者对同一项目进行预研，在预研阶段均进行了一定的投入，但这些前期参与者并不是都能被选中，因此，能否科学设立针对揭榜失败方的利益补偿机制会对潜在揭榜方的参与积极性产生显著影响。另外，应进一步完善风险分担机制。首先需积极创新融资方式，充分发挥中央财政资金的杠杆作用，积极引入社会资本、基金风投等资金来源体来帮助中小企业或个体等解决先期投入不够的难题，避免因经费不足影响部分揭榜者的研发积极性。其次应发挥金融保险的托底效用，由发榜方和保险公司联合推出“揭榜险”等新型险种，明确因不受人为控制的意外情况导致项目失败的，可由保险公司按项目投入补偿发榜方和揭榜者，同时政府给予补贴一定的投保费用，以此进一步消除揭榜者的后顾之忧。与此同时，还可以榜单为媒、揭榜为线，助推揭榜帅才和张榜企业由项目的短期合作转化为长期的技术合作，以进一步减弱智力转化过程中不确定性风险的负面影响。此外，在完善协同攻关机制的同时还应注重科技攻关环节优质资源的汇聚，应构建以揭榜方为主体、产学研全面融合的生态体系［24］，从而汇聚优质创新资源，进而助推揭榜者顺利进行技术攻关。三是提升揭榜方的科研创新能力。对于揭榜者本身，首先需盘活人才存量，大力培育优秀科研人员，夯实自身的技术攻关力量；同时需壮大人才总量，可以采取“候鸟式”聘任［25］、“巡回式”服务等创新性的柔性引才模式以及构建薪酬激励、收益分配等引人用人机制，依据攻关技术的方向大力引进科研人才。其次，应做好内部参与技术攻关人员的有关保障工作，为项目领导者及其团队营造舒适的科研环境，同时提供必要的物质和精神激励；同时，从工资待遇、职称评定、职级晋升等多环节入手，营造适宜人才发展的生态环境，保障团队科研人员的稳定以及科研能力的持续提升。