醫療數字化持續深化，臨床診療、病歷管理、醫患溝通等全流程對高可靠、強邏輯、適配復雜環境的人工智能模型需求持續攀升。醫療診室是大模型落地典型的實景應用場景，環境中存在多人群同步交流、背景雜音、多類型信息交織等復雜條件，對模型綜合處理能力提出較高要求。立足真實產業場景需求，云知聲推出新一代基座大模型U2，圍繞任務執行打造全新技術體系，樹立高效實用的大模型研發新標準。
立足真實業務場景，確立U2模型核心研發定位
云知聲創始人&CEO黃偉將U2的核心定位概括為三點：不是更大，而是更會干活；不是生成更多Token，而是讓Token更有價值；不是給出一次漂亮回答，而是端到端完成任務。通過提出“高智能密度”與“高價值Token”兩大核心指標，云知聲正試圖重新定義通用大模型的效率與商業價值，它面向的不只是企業級應用，也包括個人用戶、開發者和各類智能終端場景。
四大維度系統重構，以雙高指標打造高效技術底座
U2在數據、架構、訓練和執行框架四個維度進行了系統性重構：
首先是數據。模型訓練從規模優先，轉向信息密度優先。對面向Agent的模型而言，語料的關鍵不在于“量”，而在于其是否承載了行業邏輯與任務知識。U2在訓練中大幅提升了代碼、流程圖、任務軌跡和真實業務數據的占比，過濾掉低質和娛樂化內容。在同等長度的文本中，操作流程、病歷規則、系統日志所包含的可遷移能力，遠高于泛化對話。疊加云知聲在醫療、物聯網等場景沉淀十余年的數據，U2模型在訓練之初就貼近真實業務，而非受困于互聯網語料的表層分布。
其次是架構。U2通過MoE機制降低“能力調用成本”。U2采用MoE架構，其知識密度更高，單次任務激活的參數量可低至總參數量的1/10甚至更少。在注意力機制上，U2引入并混合了線性注意力，進一步提升推理效率。通過精準的路由機制“訓練”，模型能根據不同輸入選擇最合適的參數路徑。
然后是訓練。模型訓練目標從“回答問題”，轉向“完成任務”。通過循序漸進的“課程學習”，U2被逐步訓練為一個合格的“執行者”：從簡單任務到復雜任務，從短上下文到長鏈路，從單步調用到多步規劃，通過逐步喂給大模型，來確保訓練充分。
最后是執行框架。模型與Harness協同演進。U2在訓練階段就融入了執行環境，使其天然具備調用工具、管理狀態和閉環完成任務的能力。通過模型與Harness的協同訓練機制，U2將模型能力提升與Harness的迭代優化納入同一閉環，模型能力的突破持續揭露Harness的新邊界，更完善的Harness又為下一輪強化學習提供更高保真的獎勵信號，進而反哺模型優化，實現兩者的雙向演進。
云知聲U2通過底層技術革新，以可控算力實現穩定閉環任務執行，破解大模型“評測亮眼、落地困難”的行業共性難題，為醫療、政企、開發等領域AI規模化商用提供高效底座，推動行業發展重心從參數競爭轉向真實生產力比拼。
轉自：鷹潭新聞網
【版權及免責聲明】凡本網所屬版權作品，轉載時須獲得授權并注明來源“中國產業經濟信息網”，違者本網將保留追究其相關法律責任的權力。凡轉載文章及企業宣傳資訊，僅代表作者個人觀點，不代表本網觀點和立場。版權事宜請聯系：010-65363056。
延伸閱讀
