中国电信星辰开源意图理解模型 Xing4.0-29B-Intent:同时做意图分类与参数抽取,已用于万号客服与智能家居
中国电信人工智能科技旗下星辰实验室发布并开源意图理解模型 Xing4.0-29B-Intent,同步开放约 275 万条训练语料、权重与推理镜像;模型把用户一句话转成业务系统可继续处理的结构化信息,已在电信万号客服与智能家居等场景试用。
据量子位 10 月 22 日报道,中电信人工智能科技有限公司星辰通用人工智能实验室正式发布并开源意图理解专用模型 Xing4.0-29B-Intent,同时开放约 275 万条训练语料、模型权重与推理镜像。模型把意图识别和参数抽取放在一起,目标是把用户的一句话变成下游业务系统能接着用的结构化信息。
日常设备指令往往既有“要做什么”,也有“做到什么程度”。例如“帮我把卧室的灯调成暖黄”,系统不能只判出“控制灯光”,还要抽出房间、设备与目标状态。报道把只返回类型化选项的决策模型比作“做选择题”,把参数抽取比作“做填空题”;Xing4.0-29B-Intent 声称两类都能做,并支持一句话里多个意图、多个参数和多个实体。技术路径是统一模式驱动语义解析(USP),按“类别+参数”层级组织结果,依预定义字段输出 JSON,意图理解、实体识别、关系抽取、事件抽取等异构任务共用一套输入输出约束。
团队解释为何不直接上通用大模型:客服与设备指令场景要更快、更省、更稳——通用模型容易输出长篇推理,意图模型平均只输出几十个 token,完整结果响应可到百毫秒级;高频调用时成本差距会被放大;结构化字段比自由文本更好被下游校验。公开评测(由该公司技术团队开展,结果仅反映本次数据与设置)称,在 48 个中英文公开数据集中按比例抽取的 6000 道题上,Xing4.0-29B-Intent 四类任务等权总分 58,高于文中列出的参评通用模型最高分 49;在另一组只看类别判断的 5606 道题上,其决策总分与单选、多选、负例子项也高于文中对比的 Jev 两种答法及 GPT-6-Luna。
应用侧,模型已在电信万号客服承担对话意图识别与工单智能路由,并在智能家居音箱等终端把口语指令转成设备可处理的结构。开源包基于基座 Xing4.0-29B-A4B 微调,包含约 275.3 万条监督微调语料(重构自 61 个公开数据集,覆盖 19 个领域、52 种语言)、终端意图理解相关语料、模型权重与官方推理镜像,许可为 Apache 2.0,并在 GitHub、Hugging Face、魔搭等同步开放。