一、大模型发展背景与战略价值

AI发展浪潮：人工智能历经三次发展浪潮，当前处于以大模型为代表的阶段，2022年ChatGPT发布后大语言模型时代崛起。DeepSeek系列模型表现突出，如DeepSeek-R1推理能力逼近OpenAI-o1且过程透明，打破AI垄断，推动中文AI普惠。

双轮驱动必要性：构建领域推理大模型面临数据（收集难、多模态融合难）、知识（体系异构、更新快、注入不充分）、推理（融合难、成本高、有幻觉）三大挑战，需数据与知识双轮驱动，助力企业低成本构建专属大模型。

二、以数据为中心的大模型后训练

幻觉克服：

针对法律领域，构建LegalHalBench评测基准（含3976个问题、1670条法条），提出HIPO方法，非幻觉法条准确率达38.353%，超越多款通用及专用法律大模型。

针对多模态模型，设计Detect-then-Rewrite流程，从闭源模型蒸馏细粒度回复，HSA-DPO方法将AMBER基准幻觉率降36.1%，Object HalBench中CHAIRS基准降76.3%。

推理增强：提出FAST-GRPO方法，通过动态采样、思考奖励、动态约束实现快-慢思考结合，在多模态推理任务上准确率相对提升超10%，推理token压缩30%-60%，3B和7B模型尺寸均有良好表现。

三、领域知识增强的大模型可信推理

LoraRetriever：基于检索动态加载组合LoRA模块，用少量样本嵌入代表LoRA，训练稠密向量检索模型，根据输入检索Top-K模块增强LLM能力，适配多样化任务需求。

Legal-R1：评估17个法律推理基准任务（7英文、10中文），构建双语数据集，训练Legal-R1-14B模型，性能媲美强大专有及开源模型，DeepSeek-R1等推理大模型优于传统LLM。

T2I-FactualBench：以CNER为概念标准，筛选BabelNet知识库概念，构建1600条图文数据集，设计三层生成任务（记忆、实例化、组合），提出多轮VQA评估，引入视觉与文本知识注入方法检测文生图模型知识幻觉。

四、双轮融合的行业大模型研发

研发“智海”系列垂直领域大模型，覆盖多行业：

教育领域（智海-三乐）：联合高教社、阿里云等，基于通义千问，提供智能问答、试题生成等服务，2023年8月发布，支撑教与学全流程。

司法领域（智海-录问）：与阿里达摩院合作，开源后在魔搭社区下载8592次、访问11万+次，落地60家法院，辅助1.5万+案件，当庭宣判率90%+，裁判文书完整度95%+，效率提40%。

德语教学（智海启德Dr.Write）：基于德语写作偏误语料库，通过有监督微调与自监督学习，辅助德语Q-A问答、错误纠正，解决标注数据不均衡问题。

五、典型示范应用成效

司法应用：“小智”智能化审判系统落地全国1万+法庭，辅助1.8万+案件，当庭宣判率90%+，裁判文书完整度96.5%+，效率提40%，当事人诉讼成本降31.2%；“智海-录问”“LegalMind”月均使用150万+次，联合发布首个《法律大模型评估指标和测评方法》。

教育应用：入选国家教材建设重点研究基地，出版AI系列教材（理论26本、实践11本），发布师生AI素养红皮书；构建AI通识课程体系，成立教育教学研究中心，“AI+X微专业”入选教育部典型案例，智海科教平台赋能3万学习者，覆盖多所院校。