高质量数据集典型案例 | 中国电信网络大模型高质量数据集

　　推荐单位：国务院国资委
　　申报单位：中国电信集团有限公司
　　一、背景
　　大模型落地信息通信行业面临通用性与专业性差距、知识冲突与幻觉、深度数据缺乏等挑战，中国电信网络大模型高质量数据集确立以云网知识体系为基础，以组织、流程、运营和安全为支柱，建设统一的知识管理平台的科学体系化建设方法，整合通信领域多源复杂数据，构建云网知识体系，打造5大类高质量数据集及数百个场景化知识库。通过数据集工具、关键技术研发与高效运营，形成“专业深度+实时进化”双能力，促进人才转型，支撑云网运营AI化及自智水平达L4级，显著提升运营效率与稳定性，成效惠及企业及行业客户，促进产业链协同。
　　二、方案和成效
　　一是确立科学体系化数据集构建方法。以“5+2”云网知识体系为基础，建设统一知识管理平台，重构组织流程与安全体系，形成领域全覆盖分类标准，实现跨域知识穿透协同，建成大规模、高质量、多模态领域数据集，提供分钟级建库工具、数据增强服务及动态管理能力，知识增强服务检索量达千万次，准确率超90%。
　　二是突破数据治理技术瓶颈。融合多源智能解析、动态清洗、多级去重及数据合成技术，研发隐私保护算法与知识图谱流水线。自研SIE分层建库技术实现多模态数据分钟级建库入库，创新多模态混合检索架构及重排序技术，攻克通信数据规范难题，隐性知识发现效率提升5倍，召回准确率提升35%；建成高质数据治理范式。
　　三是构建全生命周期运营模式。建立“规划－采集－应用－评估－反馈”闭环。提出集团+省多级协同机制，通过职责分工、质量追溯、周期联动等创新管理，保障动态更新，建成5大类数据集，支撑数百个知识库高效运行。
　　四是规模化赋能产业转型。提升云网运营效率，助力云网自智达L4级。培养千余名“三懂”复合人才（懂业务/网络/模型），支撑数十类云网AI助手与数字员工，覆盖全网。
　　三、创新点
　　一是高效数据加工增强技术创新。融合多源解析、动态清洗、多级去重、隐私保护、知识图谱及数据合成技术，首创SIE（来源－索引－编码）分层建库技术实现分钟级建库，创新多路混合检索及重排序、检索交错生成与时序数据均衡技术，打通实时数据与大模型动态交互链路。
　　二是全生命周期管理模式创新。建立“规划－采集加工－应用－评估”闭环管理机制，依托“5+2”知识体系分类分级数据，通过平台精准治理，结合AI+场景转化高安全性知识。
　　三是两级联动长效运营机制创新。构建多级闭环管理机制，明确语料审核、定期通报及数据报送职责；强化协同联动，创新知识入库时效管理，建立问题跟踪闭环，形成“组织－流程－协同－时效－反馈”运营体系。