Xing4.0-29B-Intent Faoliyat yuritmoqda

Xing4.0-29B-Intent — Xingchen laboratoriyasi tomonidan ochiq manba sifatida taqdim etilgan, intentni tushunishga ixtisoslashgan model bo‘lib, Xing4.0-29B-A4B modeli asosida nozik sozlangan. Xing4.0-29B-Intent foydalanuvchining tabiiy tilini bir vaqtning o‘zida intent tasnifi va parametrlarni ajratib olish natijalariga aylantirish uchun kategoriya＋parametr tuzilmasidan foydalanadi hamda intentni aniqlash, obyektlarni aniqlash, munosabatlarni ajratib olish va hodisalarni ajratib olish kabi to‘rt turdagi vazifani qo‘llab-quvvatlaydi. Model chiqishi atigi bir necha o‘n tokenni tashkil etadi, javob kechikishi yuz millisekund darajasida, baholashdagi 58 ball 18 ta universal model natijasidan yuqori. U telekommunikatsiya mijozlarga xizmat ko‘rsatish va aqlli uy stsenariylarida joriy etilgan bo‘lib, Agent uchun semantik kirish qatlami sifatida mos keladi.

Intentni aniqlash: foydalanuvchining bir jumlasi qaysi biznes toifasiga tegishli ekanini aniqlaydi, bitta intent va bir jumladagi bir nechta intentni qo‘llab-quvvatlaydi.
Parametrlarni ajratib olish: intentni aniqlash bilan bir vaqtda vazifani bajarish uchun zarur obyektlar, qiymatlar va atributlarni ajratib oladi.
Yagona tuzilmaviy chiqish: natijalarni “kategoriya＋parametr” JSON formatida tashkil etadi; intentni aniqlash, obyektlarni aniqlash, munosabatlarni ajratib olish va hodisalarni ajratib olish uchun yagona kirish-chiqish formatidan foydalanadi.
Bir nechta vazifani parallel tahlil qilish: bir jumlada bir nechta intent, parametr va obyekt bo‘lishini qo‘llab-quvvatlaydi, JSON massivi orqali bir martada bir nechta natijalar to‘plamini qaytaradi.
Schema asosidagi moslashuv: dasturchi oldindan mumkin bo‘lgan toifalar, toifa tavsiflari va ajratib olinadigan maydonlarni belgilaydi; model belgilangan biznes doirasida aniqlash va qiymat kiritishni bajaradi.
Function Calling semantik kirish qatlami: Agent/intellektual agent ilovalari uchun intentni aniqlash va funksiyalarni chaqirish parametrlarini ajratib olishni taqdim etib, tabiiy tilni biznes tizimlaridagi ijro bilan bog‘laydi.

WeChat’da “开源” so‘ziga javob berish uchun obuna bo‘ling va AI ochiq manba loyihalari guruhiga qo‘shiling
Model bazasi va arxitekturasi: model Xingchen universal bazasi Xing4.0-29B-A4B asosida nozik sozlangan, MoE arxitekturasidan foydalanadi. Jami parametrlar taxminan 29 milliard bo‘lib, har bir Token uchun atigi taxminan 4 milliard parametr faollashadi. Bu tuzilmaviy chiqish qobiliyatini saqlagan holda hisoblash xarajatlarini kamaytirish va yuz millisekund darajasidagi javob kechikishiga erishish imkonini beradi.
USP yagona rejimga asoslangan semantik tahlil freymvorki: model USP freymvorkidan foydalanib, intentni tushunish, obyektlarni aniqlash, munosabatlarni ajratib olish va hodisalarni ajratib olish kabi turli vazifalarni “kategoriya＋parametr” ierarxik JSON chiqish formatiga birlashtiradi. Shu sababli quyi tizimlar har bir vazifa uchun alohida tahlil logikasini moslashtirishi shart emas, migratsiya va ulash xarajati juda past bo‘ladi.
Schema bilan cheklangan generatsiya mexanizmi: xulosa chiqarish vaqtida dasturchi mumkin bo‘lgan toifalar, toifa tavsiflari va ajratib olinadigan maydonlar ta’rifini taqdim etadi. Model belgilangan maydon qoidalari doirasida aniqlash va qiymat kiritishni bajaradi, chiqish oldindan belgilangan tuzilma bilan qat’iy cheklanadi. Bu erkin matn tasodifiyligini bartaraf etib, maydonlarning aniqligi, formatning tekshirilishi va gallyutsinatsiyalarning past darajasini ta’minlaydi.
Tuzilmaviy chiqishni o‘qitish: model tuzilmaviy chiqish qobiliyatini o‘rgatish uchun taxminan 2,753 million maxsus nazoratli nozik sozlash ma’lumotlaridan foydalanadi. Ular 61 ta ochiq ma’lumotlar to‘plamidan qayta tuzilgan bo‘lib, 19 ta soha va 52 ta tilni qamrab oladi. Shu tariqa intentni aniqlash＋parametrlarni ajratib olishning to‘liq qaror zanjiri o‘rtacha atigi bir necha o‘n token bilan bajariladi.

Resurslarni olish: GitHub yoki HuggingFace’dan model og‘irliklari, kod repozitoriysi va qo‘shimcha ma’lumotlar to‘plamini yuklab oling.
Muhitni tayyorlash: rasmiy xulosa chiqarish imijini joylashtiring yoki bazaviy model ko‘rsatmalariga muvofiq vLLM va SGLang yordamida model xizmatini yarating.
SDKni o‘rnatish: repozitoriy taqdim etgan Python SDK orqali ulang yoki joylashtirishsiz foydalanish uchun Tianyi AI ochiq platformasining bulut API’sini chaqiring.
Biznes Schemasini aniqlash: mumkin bo‘lgan intent toifalari, toifa tavsiflari va har bir toifadan ajratib olinadigan maydonlarni belgilang.
Promptni tuzish: SDK yordamida foydalanuvchi kiritmasi va Schemani model taniy oladigan so‘rovga birlashtiring.
Chaqiruvni yuborish: model xizmatiga so‘rov yuboring; model bir necha o‘n tokenlik JSON tuzilmaviy natijani qaytaradi.
Natijani tahlil qilish: intent va maydon qiymatlarini kategoriya＋parametr tuzilmasi bo‘yicha o‘qing, xatolik yuz berganda maydonlarni tekshiring.
Biznes tizimiga ulash: tuzilmaviy natijani ijro uchun quyi tizimga uzating; maxfiy operatsiyalarda avval ruxsatlarni tekshiring yoki foydalanuvchidan tasdiq oling.

Intentni aniqlash va parametrlarni ajratib olishning integratsiyasi: bitta model intent tasnifi va parametrlarni ajratib olishni bir vaqtda bajaradi, quyi tizimdagi takroriy tahlil ishlarini kamaytiradi.
Tezkor javob: o‘rtacha atigi bir necha o‘n token chiqadi, to‘liq natija yuz millisekund darajasida javob beriladi; yuqori chastotali real vaqt interaksiyasi uchun mos.
Chaqiruv xarajati past: MoE arxitekturasida har bir Token uchun atigi taxminan 4B parametr faollashadi. Universal katta modellarga nisbatan kuniga millionlab chaqiruvlar bo‘ladigan stsenariylarda xarajatlar farqi bir necha baravar kamayadi.
Chiqish barqaror va ishonchli: natija oldindan belgilangan Schema JSON tuzilmasi bilan qat’iy cheklanadi, maydonlar aniq va format tekshirilishi mumkin.
Bir nechta intentni murakkab tahlil qilish: bir jumlada bir nechta intent, parametr va obyekt bo‘lishini qo‘llab-quvvatlaydi hamda ularni JSON massivi orqali yagona formatda qaytaradi.
To‘rt turdagi vazifa uchun yagona format: intentni tushunish, obyektlarni aniqlash, munosabatlarni ajratib olish va hodisalarni ajratib olish bir xil “kategoriya＋parametr” kirish-chiqish formatidan foydalanadi, quyi tizimga migratsiya xarajati juda past.

GitHub repozitoriysi: https://github.com/XingChen-AGI/Xing4.0-29B-Intent
HuggingFace model kutubxonasi: https://huggingface.co/XingChen-AGI/Xing4.0-29B-Intent

Aqlli mijozlarga xizmat ko‘rsatish / murojaatlarni yo‘naltirish: mijoz suhbatining intentini aniqlaydi va muhim ma’lumotlarni ajratib oladi, murojaatlarni tasniflash va yo‘naltirishni avtomatik bajaradi; telekommunikatsiyaning o‘n minglab mijozlarga xizmat ko‘rsatish liniyalarida joriy etilgan.
Terminal ovozli interaksiyasi: ovozli yordamchi, aqlli kokpit, IoT markaziy boshqaruvi kabi stsenariylarda foydalanuvchining og‘zaki buyruqlarini tuzilmaviy qurilma boshqaruv buyruqlariga aylantiradi.
Korxona IM roboti: biznesni ishga tushirishning dastlabki bosqichida katta hajmdagi belgilangan ma’lumotlarsiz intentni aniqlash va savol-javoblarni yo‘naltirish imkoniyatini tez yaratadi.
Agent / Function Calling semantik kirish qatlami: intellektual agentga gallyutsinatsiyasi past intentni aniqlash va funksiyalarni chaqirish parametrlarini ajratib olishni taqdim etib, tabiiy tilni vositalarni ijro etish bilan bog‘laydi.
Ko‘p vazifali axborot ajratib olish: bir jumladan obyektlarni aniqlash, munosabatlarni ajratib olish va hodisalarni ajratib olishni parallel bajaradi. Masalan, “Yig‘ilishni juma kuni tushdan keyinga ko‘chiring, joyini uchinchi qavatga o‘zgartiring” → vaqt va joy o‘zgarishini bir vaqtda ajratib oladi.