近日，硅心科技（aiXcoder）助力國內(nèi)頭部通信企業(yè)落地企業(yè)專屬大模型，通過四大創(chuàng)新方案，突破通用大模型“缺乏企業(yè)私域知識、不了解業(yè)務(wù)”的企業(yè)落地難題，實現(xiàn)代碼生成準確率提升25個百分點（從20%提升至45%），企業(yè)知識問答準確率提升18個百分點（從51%提升至69%）。

在通信行業(yè)數(shù)字化轉(zhuǎn)型加速的背景下，某大型通信公司率先將通用大模型引入生產(chǎn)實踐，期望大模型在企業(yè)知識問答、單元測試生成、代碼生成等真實場景中提供智能輔助，以提升研發(fā)效能。

然而實際的應(yīng)用中，通用大模型因缺乏企業(yè)私域知識（如專有協(xié)議棧、設(shè)備交互邏輯等）而表現(xiàn)不佳：企業(yè)知識問答常常答非所問或泛泛而談；輸出缺乏業(yè)務(wù)邏輯支撐，可用性差；生成的代碼需工程師花費大量時間修改。

考慮到RAG（Retrieval-Augmented Generation，檢索增強生成）等通用方案難以實現(xiàn)深度業(yè)務(wù)推理。為此，企業(yè)選擇與硅心科技（aiXcoder）合作，將私域知識深度注入模型，構(gòu)建企業(yè)專屬大模型。

具體方案包括：1）多維度綜合評估，選擇最優(yōu)開源模型。2）企業(yè)私域數(shù)據(jù)治理，構(gòu)建高質(zhì)量訓(xùn)練語料。3）增量預(yù)訓(xùn)練+后訓(xùn)練，訓(xùn)練企業(yè)專屬大模型。4）以企業(yè)真實數(shù)據(jù)為準，構(gòu)建企業(yè)級測評集。

方案實施過程中仍面臨諸多挑戰(zhàn)，硅心科技（aiXcoder）通過四大創(chuàng)新技術(shù)攻克難題，確保項目落地：

一、創(chuàng)新采用“大模型+小模型”策略。大模型支持通用場景，比如復(fù)雜的Agent主流程構(gòu)建；小模型支持企業(yè)特定的領(lǐng)域化問題，在解決企業(yè)特定任務(wù)時會更精準、高效。兩者協(xié)同，既保證通用智能，又強化專業(yè)深度。

二、 構(gòu)建全鏈路私域數(shù)據(jù)治理體系。硅心科技（aiXcoder）對“原始需求-設(shè)計-開發(fā)-測試”等研發(fā)環(huán)節(jié)的企業(yè)數(shù)據(jù)和文檔，進行系統(tǒng)性打通與關(guān)聯(lián)構(gòu)建，讓大模型在執(zhí)行具體任務(wù)時，能參考研發(fā)全鏈路的相關(guān)知識，獲得全局理解能力，提升輸出結(jié)果的可用性。

三、 創(chuàng)新融入工作流和Agent技術(shù)。企業(yè)核心業(yè)務(wù)智能化往往需要端到端的解決方案，但目前市場上并沒有能直接解決端到端問題的大模型。為此，硅心科技（aiXcoder）在訓(xùn)練企業(yè)專屬大模型時，創(chuàng)造性融入了工作流和Agent技術(shù)。通過精心設(shè)計的任務(wù)編排與Agent協(xié)同，有效補齊端到端的能力短板。

四、 利用AI輔助生成高質(zhì)量訓(xùn)練數(shù)據(jù)。企業(yè)內(nèi)部的私域知識和數(shù)據(jù)關(guān)系非常復(fù)雜，且數(shù)據(jù)量不足以支撐模型訓(xùn)練的需求。為此，硅心科技（aiXcoder）在嚴格遵循業(yè)務(wù)邏輯和安全規(guī)范的前提下，系統(tǒng)梳理和構(gòu)建數(shù)據(jù)間的依賴關(guān)系，并利用大模型合成大量高質(zhì)量、符合業(yè)務(wù)場景的訓(xùn)練數(shù)據(jù)，有效解決數(shù)據(jù)瓶頸難題。

最終，企業(yè)專屬大模型應(yīng)用到實際任務(wù)中后，效果超出預(yù)期：企業(yè)知識問答的準確率由原來51%，提升至69%；代碼生成準確率由原來的20%，上漲至45%。

不僅如此，企業(yè)專屬大模型訓(xùn)練過程中所形成的數(shù)據(jù)治理框架、訓(xùn)練路徑和方案都具備高度的可復(fù)用性。隨著底層模型迭代、技術(shù)演進和業(yè)務(wù)需求的變化，企業(yè)可以在現(xiàn)有框架上快速適應(yīng)、調(diào)整和新增數(shù)據(jù)，大幅降低后續(xù)訓(xùn)練成本，為企業(yè)在長期技術(shù)競爭中構(gòu)建獨特優(yōu)勢。