新浪数科技术专家，拥有近 20 年 IT 行业经验。专注于生成式人工智能（AIGC）应用落地，大语言模型在智慧电销、智能客服和催收训练等场景的实践。涵盖模型选型、样本工程、训练和评估全流程。同时负责中国人民银行征信报告特征引擎研发，并成功主导风险模型平台的架构规划、搭建及流量分发策略实施。

演讲题目：大模型电销落地实践：打造 AI 驱动的下一代智慧销售

这是一场关于如何用 AI 重塑销售流程、提高转化效能的真实案例分享。内容涵盖了应用价值、技术路径、项目经验，从构思到落地的全面视角，如何解决各种实际的问题，以及面临的主要挑战和方案。

面对人力限制与智慧销售的挑战，我们利用“对抗式”和样本进化等技术合成高质量样本，不仅效率提升数十倍，更增强了样本多样性和质量数倍，且显著提高了 9B 模型的整体性能。

通过引入了优雅打断机制的小模型，确保对话自然流畅更拟人，采用的 0.5B 小模型，响应在 50ms，且打断判别准确度达到 90% 以上，显著提高了用户体验；

通过 DPO 偏好优化，客服回复的简洁度提高 50% 以上，语句更加生动活泼，且更加有吸引力；

通过个性化话术，应用差异化、有吸引力的开场白来提高销售水平；

此外，借助专项评估手段，结合 A/B 框架，我们持续迭代模型，模型重复性问题减少 80%，幻觉问题减少 92%，实现了业务增长和技术进步的双赢局面。

最后进一步总结了四个主要的挑战和方案。

演讲提纲：

1. 项目背景与目标

2. 核心技术与方案

- 样本技术：对抗进化

- 优雅打断机制：提升对话自然度

- 个性化与优化：提升销售效果

- 持续优化与质量保证

3.落地实践

- 系统落地与业务 impact

- 挑战与解决方案

4. 未来展望

听众收益：

1. 大模型在电销领域的实际应用价值

2. 大模型应用的技术路径

3. AI 项目的落地经验

落地挑战和方案重点：

1. 拟人化：智能电销拟人化面临的主要挑战包括语音自然度，逼真模拟人类对话节奏
2. 可控性：例如输出不一致性、边缘案例处理、安全边界
3. 不可预知应答的风险：商业风险、法律风险、道德风险
4. 模型可解释性和控制性