专题演讲嘉宾：邰康盛

针对通用基座大模型在汽车销售垂类场景中存在的领域知识匮乏与专业能力短板，难以完全匹配业务需求的问题，本次分享将深入解析蔚来销售大模型的工程应用和优化实践。我们构建了包含“销售能力定义 -> 高质量数据构建 -> 模型训练与调优 -> 评估与迭代闭环”的完整技术体系，提升大模型在汽车销售领域的核心能力。

演讲提纲 ：

1. 汽车销售大模型能力体系的构建；
2. 如何从海量原始数据中构造和清洗出用于大模型训练的高质量样本；
3. 如何基于LLM-as-a-Judge构建可靠稳定的评估Agent；
4. 如何通过SFT、强化学习等多阶段模型训练方法提升汽车销售大模型的垂类能力；
5. 如何构建数据-训练-优化-反馈-再到数据的闭环机制。

这样的技术在实践过程中有哪些痛点？ 

1. 真实原始数据的“高噪声”与训练样本“高标准”存在冲突： 如何从海量、非结构化、高噪声的用户历史上下文、用户和销售对话记录、以及销售工作记录中，精准定义并挖掘出符合“金牌销售”标准的正样本是极大的挑战。
2. 隐性销售能力的“不可量化”与自动化评估的“对齐鸿沟”： 销售能力（如不同用户阶段的销售策略制定等）属于销售能力的隐性知识，具备很强的专业性，同时缺乏类似代码生成的标准答案。

演讲亮点

1. 如何结合T0基座大模型和销售领域专有知识库，从海量数据中自动构建高质量的销售场景训练样本以及如何构建销售样本库的评价机制。
2. 如何针对汽车销售场景设计专有的 Reward Function，不同于通用的 RLHF对齐偏好方法，我们从多维度设计了销售大模型在销售能力结果和思考过程的组合奖励，提升垂类大模型的泛化能力。

听众收益

1. 了解销售垂类大模型 Post-training 的全流程实现途径；
2. 了解构建高可信的评估 Agent的实操方法论；
3. 了解销售领域大模型后训练数据飞轮的闭环设计。