随着国家进一步简化政府办事流程，让百姓少跑路，政府也千方百计考虑在政务智能客服场景的降本增效。再加上近几年LLM的爆热，对于传统的意图识别+NLP问答的智能客服场景正在被LLM重新定义，同时还增加了RAG和知识图谱的技术，进一步提升智能客服场景的问答准确率。为了提供拟人化交互式高准确率智能客服服务，我们提出以“精准服务，降本增效，温暖拟人，安全可靠”为差异化竞争力的垂域智能客服解决方案，其核心技术路径包括：

• 逐步确立了“LLM+知识图谱+RAG技术”垂域智能客服路线；
• 探索了自研开天大模型的训练流程和方法，提出了高质量客服数据处理pipeline；
• 提出了reward model+ 奖励函数GRPO创新训练策略；
• 对比分析了不同知识图谱框架性能和质量，结合LLM提出了知识图谱+RAG优化方法；
• 通过应用案例分析来验证有温度拟人化智能客服的效果。

展望未来，“LLM+知识图谱+ RAG”构建的智能客服场景复杂智能体将成为主流方式，但是在垂域应用场景的理解和认知方面还需要通过高质量数据集来训练专属LLM。同时，在复杂逻辑依赖下的知识图谱高效构建也需要更多的创新办法，来减低因LLM幻觉和语义理解偏差带来的图谱异常等问题。

演讲提纲

1. 政务智能客服场景及挑战介绍
2. 开天客服大模型研发之路
3. 知识图谱与LLM结合优化
4. 应用实践分析及未来展望
5. 总结

听众收益

1. 了解垂域智能客服系统面临问题和解决方案
2. 针对垂域场景的自研大模型如何微调训练
3. 如何构建知识图谱结合LLM来提升问答准确率

您的演讲有哪些前沿亮点？

1. 对于政务类智能客服场景深刻分析和痛点披露
2. 针对痛点问题提出解决方案（垂域LLM+知识图谱）
3. 垂域场景知识图谱构建方法对比介绍
4. 如何优化和提升应用侧的问答效果，形成应用-模型双向迭代闭环