Q：底层是基于什么大模型训练的？参数规模是多少？
A：底层基于Qwen、GLM等模型进行预训练，包含多种参数版本。对于AI-DG这种复杂任务调度的智能体，需要至少200b参数的模型支持（后续随模型计算能力提升，要求会逐步降低）
Q：模型训练了哪些类型的数据？数据量大概多少？
A：经过多年积累，我们在政务、应急、生态环境、国央企等领域近千个数据治理项目的实战案例中，沉淀了数万个数据标准和质量规则、数据模型、ETL逻辑等。
训练数据主要包括：
-
规范标准类：国家标准、行业标准、地方标准中的数据元定义和规范
-
方法论类：DAMA、DCMM等数据治理方法论体系
-
实战案例类：近千个项目积累的ETL逻辑、数据模型设计文档、质量规则配置等
-
业务知识类：政务、应急、生态环境、公安等领域业务术语、业务字段等业务知识
通过高质量的语料构建及模型蒸馏，各个场景包括数据仓库设计、数据标准、数据质保等语料，每类语料均为5000条以上，部分场景10000条以上。
Q：不同行业是否有现成的预训练模型可以直接使用？
A：有。目前模型内置了应急、生态环境、智慧城市等多个领域的行业数据模型和标准规范等，无需从零训练。
如需针对特定机构/行业（如制造业务）的业务特点做进一步定制，可在此基础上进行领域微调。
Q：能否针对客户自己的数据训练专属模型？需要那些数据？数据量？周期？
A：支持。在百思基座模型之上，利用客户/行业专属语料进行微调训练，构建深耕特定行业场景的细分领域模型，提升在该领域的理解和生成精准度。
-
训练语料类别：业务逻辑、政策法规、专业术语、标准文件、业务数据字典等
-
训练数据量需求：视具体场景而定，建议至少提供3000条高质量领域语料
-
训练周期：周期视数据量和复杂度而定，一般2-4周
Q：大模型的准确性和可靠性如何保证？会不会出错？
A：两层保障机制：
-
领域专训：BS-LM百思大模型针对数据治理场景专门训练，领域理解能力明显高于通用模型，生成结果的业务准确性更高
- 人工确认机制：所有关键步骤（模型设计、SQL生成、规则配置）都需要人工审核确认后才落地执行，AI是效率工具，不是黑盒替代人工判断
AI可以出错，但有人兜底；同时每次的修正也会持续优化后续推荐质量。
Q：系统如何理解我们行业特有的业务术语和规则？
A：通过两个途径：
-
知识注入：将客户的行业规范、业务文档、数据标准等导入项目知识库，AI在生成时优先参考
-
领域微调：对模型进行行业定向训练，从语义层面提升对客户业务的理解深度
两者结合，AI对客户业务的理解会持续改善，推荐结果越来越贴合实际。
Q：大模型各阶段的产出物，能标识哪些是AI生成的、哪些是从原始文件提取的吗？
A：可以。平台在关键阶段均支持产出物的来源追溯，确保每一条输出“有据可依”，例如：
-
标准设计文档：标注标准来源（如国标、行标、客户上传的规范文档）
-
数仓模型设计：标注来源库表及字段映射关系
-
指标设计文档：标注参考来源（如业务口径、计算公式的出处）
目前核心环节的溯源能力已经具备，完整的全流程溯源标注也是我们持续完善的重点方向，后续将覆盖更多环节，让每一份产出都可追溯、可审计。
Q：本地部署后，使用期间是否需要连接互联网？
A：支持完全离线的全内网部署，不依赖互联网连接。这也是政企客户最常见的部署形式，满足数据不出内网的安全合规要求。