02–06 / LARGE LANGUAGE MODEL APPLICATIONS
覆盖模型适配、微调训练、检索增强、代码智能、文本审查及 Text-to-SQL 等方向，服务于金融、研发、合规和人力资源业务。
02 / FINANCE LLM
为金融客服业务问答与问答对构建场景，完成开源模型的适配、训练、推理与部署。
PROBLEM
金融客服问答与问答对构建场景需要模型理解垂域知识，并在国产算力环境中提供可用的推理能力。
METHOD
完成模型适配、金融垂域任务训练及昇腾 NPU 推理部署，并针对问答和问答对构建进行评测。
RESULT
金融垂域任务平均微调效果最高较 GPT-3.5 提升 10.8 个百分点；Qwen2.5-14B 在 NPU 平台推理效果提升 35.1%。
PROJECT VISUALS
03 / DEVELOPER TOOLING
面向开发人员的智能编程辅助工具，集成代码补全、片段生成、代码解释、错误检测与修复能力。
PROBLEM
开发人员需要更高效地完成代码编写，同时希望快速获得代码解释、错误检测与修复建议。
METHOD
提供多行、单行和行内补全，以及代码片段生成、代码问答与错误检测修复能力，并支持 IntelliJ。
RESULT
产品已在企业落地应用，累计服务 400+ 企业员工。
PROJECT VISUALS
04 / COMPLIANCE AI
服务于治理、风险、合规领域的制度文件、合同条款及内部政策审查。
PROBLEM
合同、规章和内部政策审查存在效率低、标准不统一、风险逻辑不易追溯等问题。
METHOD
结合大模型驱动的 RAG、知识图谱、文本结构化解析和块级可追溯审查机制，覆盖合同审查与规章差异分析。
RESULT
合同或规章不超过 20 页时，智能初审可在 5–10 分钟内完成，并输出风险提示与审查意见。
PROJECT VISUALS
05 / TALENT ANALYTICS
结合 Text-to-SQL 与大语言模型，帮助组织查询并分析人才的绩效、个性特征与行为偏好等数据。
PROBLEM
复合型人才问题需要拆解并查询多个数据维度，LLM 生成 SQL 时也可能出现语义偏差或幻觉。
METHOD
通过 Text-to-SQL 与大模型解析问题，自动拆分子问题；再使用错误感知校验和模式感知列名扩展验证查询。
RESULT
在行内虚拟数据任务中，系统在 DeepSeek-V3 上达到 100%、Qwen3-32B 上达到 80%、Qwen3-235B 上达到 90% 的回答准确率。
系统将复杂问题拆分为多个子问题，并引入 SQL 生成校验模块，对大模型生成的查询进行多重语义验证。
PROJECT VISUALS
