长按二维码,关注官方公众号
企业级垂直领域智能问数AI Agent落地实践
〇 分享简介 〇
企业在垂直领域中构建智能问数能力时，常面临诸多挑战,常见在技术与业务需求难以对齐、对准确率和可解释性的高要求、领域数据稀缺、用户问题复杂多样，以及数据基础设施的局限性等难题上。
企业不断优化问数的整体架构和算法模型，通过深入的落地实践，并对垂直领域的知识进行分层解构，从不同维度将专业知识注入问数能力中。同时，在产品交互设计等方面持续改进，验证出，可以显著提升问数的准确率和可解释性。
本次分享将深入探讨阿里集团在行业内已建成的、具备显著竞争力的问数能力建设经验进行系统化总结，为同行提供可复现的实践思路与方法，助力行业整体智能化水平的提升。
〇 分享收益 〇
目标：
1、了解行业内已建成的、具备显著竞争力的问数能力建设经验进行系统化总结，
2、为同行提供可复现的实践思路与方法，助力行业整体水平的提升。
成功要点：
通过多场景实践打磨问数架构设计，结合垂域知识分层注入提升问数能力专业性，同时明确架构下各模块能力边界，并构建模型自反馈链路与可追溯的错误修正机制。
启示：
以“问数”的维度，激活企业数据的潜在价值，可让数据真正“灵动”起来，为企业决策和业务创新提供强有力支持。
〇 分享亮点 〇
1、分享行业垂域问数的难点与挑战
深入剖析技术与业务对齐、数据稀缺性、问题复杂性等核心痛点。
2、核心解决思路与创新
1）提出针对垂域问数的关键解决路径与方法论
2）深入分析设计背后的思考与逻辑
3、系统架构与模块设计详解
1）详细解读问数的整体架构设计
2）各功能模块的核心能力与协作机制
4、技术选型与模型优化实践
1）探讨问数模型选型、Post Training 策略
2）模型性能优化的关键环节
5、落地实例与成果展示：通过真实案例展示问数能力的实际应用效果
6、QA
阿里企业智能事业部高级算法工程师，主要负责阿里集团财资AI智能问数算法、企业智能表格理解等大模型/自然语言处理算法的研发与应用落地工作。擅长领域包括AI Agent、NL2SQL、表格理解、大规模/半监督分类等。在自然语言处理方向顶会及期刊发表论文6篇，拥有3项相关国家发明专利，主导的研究工作落地阿里集团下CFO域、企业智能域的多个真实业务场景。
