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“增量預(yù)訓(xùn)練+后訓(xùn)練”技術(shù)、“大模型+小模型”策略、全鏈路私域數(shù)據(jù)治理體系、融入工作流和Agent技術(shù)等創(chuàng)新方案，實現(xiàn)代碼生成準(zhǔn)確率從20%提升至45%；企業(yè)知識問答準(zhǔn)確率從51%提升至69%，突破了通用大模型“缺乏企業(yè)私域知識、不了解業(yè)務(wù)”的企業(yè)落地難題。

“不是模型不夠強(qiáng)，而是它不懂行”

數(shù)字化轉(zhuǎn)型的深入發(fā)展，讓各行業(yè)對于高效、穩(wěn)定且安全的網(wǎng)絡(luò)連接需求日益增長。某大型通信公司作為行業(yè)頭部企業(yè)，希望通過技術(shù)創(chuàng)新提升研發(fā)效能和市場競爭力，為千行百業(yè)筑牢關(guān)鍵數(shù)字底座。為此，該企業(yè)將大模型引入生產(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，以提升軟件開發(fā)效率，降低開發(fā)成本。

然而，在實際的應(yīng)用中，大模型因缺乏企業(yè)私域數(shù)據(jù)和知識，如專有協(xié)議棧、設(shè)備交互邏輯等，輸出的效果并不理想——知識問答常出現(xiàn)答非所問或泛泛而談；輸出結(jié)果缺乏業(yè)務(wù)邏輯支撐，可信度較低；生成的代碼需工程師花費大量時間審查、修正甚至重寫。

“不是模型不夠強(qiáng)，而是它不懂‘行話’�！�企業(yè)發(fā)現(xiàn)，RAG（Retrieval-Augmented Generation，檢索增強(qiáng)生成）等通用方案雖能通過知識檢索輔助問答，卻難以實現(xiàn)深度業(yè)務(wù)推理。

為此，企業(yè)選擇與在“AI+軟件工程”領(lǐng)域具備深厚技術(shù)積累和豐富落地經(jīng)驗的硅心科技（aiXcoder）合作，通過訓(xùn)練企業(yè)專屬大模型，將企業(yè)數(shù)據(jù)和知識深度注入模型。

深度定制企業(yè)專屬大模型，重構(gòu)模型“大腦”

具體實施方案如下：

一、多維度綜合評估，選擇最優(yōu)開源模型。硅心科技（aiXcoder）貼合企業(yè)現(xiàn)有算力資源和任務(wù)需求，從模型的基礎(chǔ)效果、計算資源、推理效率以及應(yīng)用可行性等方面進(jìn)行綜合考慮，并結(jié)合硅心科技（aiXcoder）專業(yè)模型評測體系、官方基準(zhǔn)測試、中文理解評測、第三方模型排行榜等多方結(jié)果，交叉驗證，為企業(yè)選出綜合表現(xiàn)最優(yōu)、與企業(yè)通信業(yè)務(wù)場景最適配的開源大模型作為領(lǐng)域化訓(xùn)練的堅實基礎(chǔ)。

二、企業(yè)私域數(shù)據(jù)治理，構(gòu)建高質(zhì)量訓(xùn)練語料。硅心科技（aiXcoder）指導(dǎo)企業(yè)系統(tǒng)性梳出內(nèi)外部知識資產(chǎn)，并對數(shù)據(jù)進(jìn)行預(yù)處理，創(chuàng)建結(jié)構(gòu)化、可檢索、可推理的企業(yè)私域知識體系。由此構(gòu)建的高質(zhì)量訓(xùn)練語料，一方面可作為企業(yè)專屬大模型的訓(xùn)練數(shù)據(jù)，另一方面依托硅心科技aiXcoder領(lǐng)域化程序分析工具和Agent技術(shù)，可以將這些企業(yè)私域知識作為有效的上下文傳遞給大模型，支撐其更好完成軟件開發(fā)任務(wù)。

三、增量預(yù)訓(xùn)練+后訓(xùn)練，訓(xùn)練企業(yè)專屬大模型。硅心科技（aiXcoder）以選定的開源大模型為基礎(chǔ)，將高質(zhì)量訓(xùn)練語料轉(zhuǎn)化為模型可學(xué)習(xí)的訓(xùn)練樣本，通過增量預(yù)訓(xùn)練階段，讓模型學(xué)會通信領(lǐng)域知識；通過后訓(xùn)練階段，增強(qiáng)模型執(zhí)行特定任務(wù)的能力。這增強(qiáng)了預(yù)訓(xùn)練模型的性能和適應(yīng)性，使其具備深度的企業(yè)知識理解能力，以及單元測試生成、代碼生成等核心場景的指令遵循和解決問題的能力。

四、以企業(yè)真實數(shù)據(jù)為準(zhǔn)，構(gòu)建企業(yè)級測評集。為確保企業(yè)專屬大模型在該通信企業(yè)核心業(yè)務(wù)中的實用價值，硅心科技（aiXcoder）基于企業(yè)內(nèi)部數(shù)據(jù)構(gòu)建訓(xùn)練集和測評集，以真實開發(fā)場景為準(zhǔn)繩，模擬并評估模型在真實企業(yè)環(huán)境中的落地效果，確保企業(yè)專屬大模型從技術(shù)能力到業(yè)務(wù)賦能的全面轉(zhuǎn)化。

挑戰(zhàn)與突破并存，四大技術(shù)創(chuàng)新攻克項目難關(guān)

在推進(jìn)技術(shù)方案落地的過程中，硅心科技（aiXcoder）直面企業(yè)實際需求和項目實施難點，突破行業(yè)常規(guī)做法，以四大創(chuàng)新攻克關(guān)鍵瓶頸：

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(zhǔn)、高效。兩者協(xié)同，既保證通用智能，又強(qiáng)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”等各研發(fā)環(huán)節(jié)的企業(yè)數(shù)據(jù)進(jìn)行系統(tǒng)性打通與關(guān)聯(lián)構(gòu)建。由此，當(dāng)模型在執(zhí)行具體任務(wù)時，它不僅能看到當(dāng)前信息和上下文，還能參考研發(fā)全鏈路的相關(guān)信息，獲得全局理解能力，大幅提升輸出結(jié)果的準(zhǔn)確性和實用性。

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)專屬大模型的同時，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(bǔ)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(yán)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。

應(yīng)用效果：企業(yè)知識問答準(zhǔn)確率69%、代碼生成準(zhǔn)確率45%

據(jù)企業(yè)反饋，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(zhǔn)確率由原來51%，提升至69%；代碼生成準(zhǔn)確率由原來的20%，上漲至45%。這顯著提高企業(yè)的軟件開發(fā)效率，使企業(yè)能夠更快響應(yīng)市場需求。

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(jìn)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。

硅心科技（aiXcoder）在通信行業(yè)的智能研發(fā)實踐，不僅得到了企業(yè)客戶的認(rèn)可，也獲得了行業(yè)機(jī)構(gòu)的高度肯定。在2025全球數(shù)字經(jīng)濟(jì)大會上，aiXcoder“代碼智能體在通信領(lǐng)域的應(yīng)用”方案，獲評“北京市人工智能賦能行業(yè)發(fā)展典型案例”。