Китайская China Telecom открыла код модели Xing4.0-29B-Intent для понимания намерений

Китайская компания China Telecom AI Technology выпустила и открыла исходный код специализированной модели для понимания намерений Xing4.0-29B-Intent, разработанной в лаборатории универсального искусственного интеллекта Xingchen. Вместе с моделью опубликованы 2,75 миллиона обучающих примеров, веса модели и образ для развёртывания. Главная особенность новинки — она умеет не только «выбирать из готовых вариантов», но и «заполнять пропуски»: то есть определять, чего хочет пользователь, и попутно вытаскивать из его фразы все конкретные параметры, которые нужны бизнес-системе для дальнейшей работы.

Проще говоря, модель превращает живую человеческую реплику в структурированную информацию. Разработчики приводят бытовой пример: фраза «сделай свет в спальне тёпло-жёлтым» содержит и само действие, и массу деталей. Системе недостаточно понять, что речь идёт об управлении освещением, — нужно ещё знать, что комната спальня, устройство — лампа, а желаемое состояние — тёплый жёлтый оттенок. Классические лёгкие модели принятия решений в основном решают «задачу с выбором ответа»: возвращают типизированное решение, выбирая вариант из заданного списка. Извлечение параметров — это уже «задача с пропусками»: нужно вытащить конкретные сведения, необходимые для выполнения команды. Xing4.0-29B-Intent поддерживает оба типа задач одновременно и справляется с ситуациями, когда в одной фразе несколько намерений, несколько параметров и несколько сущностей.

В основе модели лежит единая схема-ориентированная система семантического разбора USP (Unified Schema-driven Semantic Parsing). Результат организуется в иерархию «категория плюс параметры» и выдаётся в формате JSON по заранее заданным правилам полей. Разнородные задачи — понимание намерений, распознавание сущностей, извлечение отношений и событий — приведены к единому формату ввода-вывода, что упрощает подключение к нижележащим системам, делает разбор стабильным и снижает затраты на перенос.

Возникает резонный вопрос: зачем нужна отдельная модель, если универсальные большие модели уже «умеют всё»? Разработчики отвечают, что в таких сценариях у них три врождённых слабости. Первая — скорость. Большие модели привыкли «сначала подумать, потом ответить» и выдают рассуждения на сотни и тысячи слов; пока она закончит, клиент, которому надо просто перевести заявку на нужного оператора, уже положит трубку. Xing4.0-29B-Intent реагирует только на ключевую информацию, нужную для решения, без длинных рассуждений: в среднем несколько десятков токенов, полная выдача результата — на уровне сотен миллисекунд. Вторая — стоимость. Гонять универсальную модель для классификации и извлечения информации — всё равно что стрелять из пушки по воробьям. Специализированная модель компактнее и дешевле в вызове, а когда сценарий вызывается миллионы раз в день, разница в цене растёт кратно. Третья — надёжность. Свободный текст большой модели означает, что на один вопрос можно получить десяток формулировок, и нижележащей системе трудно их стабильно разобрать. У модели понимания намерений вывод жёстко зажат в предопределённую структуру: поля фиксированы, формат проверяем, простора для «творчества» не остаётся.

Команда провела две группы оценок. В первой из 48 открытых наборов данных на китайском и английском отобрали 6000 заданий по четырём типам задач и смотрели не только на правильность категории, но и на то, что именно извлечено. Итоговый балл Xing4.0-29B-Intent — 58 против 49 у лучшей из 18 участвовавших универсальных моделей, причём по всем четырём типам задач специализированная модель обошла конкурентов. Во второй группе из 5606 заданий оценивали только категориальное решение, включая 839 отрицательных примеров без извлекаемого содержания — чтобы проверить, не станет ли модель приписывать категорию там, где её нет. Здесь Xing4.0-29B-Intent набрал 70 баллов общего решения против 56 у лёгкой модели Jev и 65 у универсальной GPT-6-Luna, уверенно поведя себя именно в самых ошибкоопасных сценариях: в мультивыборе полнее фиксировал все нужные категории, а в отрицательных примерах предпочитал «сдать пустой лист», лишь бы не выбрать лишнего.

Уже сейчас модель применяется в колл-центре China Telecom для распознавания намерений в диалоге и умной маршрутизации заявок, а также в умных колонках, где устные команды преобразуются в структурированные инструкции для устройств. Разработчики видят её аудиторию среди тех, кто делает голосовых помощников, автомобильные системы и IoT-контроллеры, корпоративных чат-ботов и приложения на основе агентов и вызова функций. Модель обучена на базе универсальной Xing4.0-29B-A4B, лицензия — Apache 2.0, веса и данные открыты на Hugging Face, в GitHub и на китайских платформах ModelScope и Modelers.