SC-Telco RAG技术：通信标准知识权威问答

通信行业的知识问答长期面临技术落地的现实瓶颈。大语言模型（LLM）虽具备强大的语言生成能力，但在解析3GPP协议中密集的专业术语与复杂规范时，仍频繁出现理解偏差。传统的检索增强生成（RAG）技术采用固定长度切分文档，导致表格结构断裂、图表语义丢失，最终检索信息的准确性与完整性大打折扣。

SC-Telco RAG的独到之处，在于将文档的层级结构本身转化为检索的依据，而非依赖粗暴的文本切分。

第一个核心模块是结构化知识库构建。传统RAG的文档切分如同用剪刀盲目裁剪报纸，碎片虽保留纸张形态，但句子与段落间的逻辑链条彻底断裂。SC-Telco RAG模仿资深图书管理员的工作方式，将3GPP协议按照自然段落和标题层级重新组织成一棵清晰的“文档树”。每个叶子节点（如一段文字或一个表格）都携带完整的归属路径，明确标注其所属章节与子节。针对表格这类易碎元素，系统先将其转换为LaTeX格式，再由LLM进行摘要总结，最终统一存入知识库。这样一来，知识的“源代码”天然具备结构化与可追溯性。

接下来是知识库检索与重构。即便构建了优质结构，从海量信息中精准定位与问题最相关的段落仍是一大挑战。SC-Telco RAG的独特之处在于，检索完成后不会直接输出结果，而是执行一轮“精细化处理”。多个检索到的文本片段首先经过重复去除和节点合并：若两个片段属于文档树中同一子节点且原本为连续文本，则去除重叠部分，按原文顺序拼接。更重要的是，系统引入了文本扩充与筛选逻辑——如果一个问题的多个相关文本共享同一父节点，且该节点下超过80%的内容已被召回，则将该节点下的全部文本纳入参考范围；对于属于其他父节点的零散片段，则根据相关度阈值决定是否保留。这好比查询某个条款时，发现相关论据散落在不同小节，系统会判断它们是否属于同一章节，若是，则调取整章内容供模型综合分析，既提升信息密度又消除冗余噪声。

真正让这项技术脱颖而出的，是它的两阶段微调策略。多数团队在做RAG时，要么只微调模型，要么只优化检索，鲜有将两者深度绑定。SC-Telco RAG选择了一条更扎实的路径：

• 第一阶段微调，聚焦于让大模型“学会跟随指令”。训练语料结构简单——输入用户问题，输出正确答案。目标是赋予模型强大的指令遵从能力，即使缺少上下文，也能输出高质量解答。
• 第二阶段微调，在第一阶段基础上，将RAG检索到的上下文信息加入提示（Prompt）中。让模型在具备“指令遵从能力”的同时，学会如何“有选择地利用外部知识”。

为何要分两步走？实验数据清晰表明：如果跳过第一阶段，直接用带上下文的语料微调，模型会过度依赖上下文，导致面对新问题或上下文不准确时性能显著下降。两阶段微调的核心，就是为模型安装一个“理解上下文”的开关，而非让它变成只能靠“小抄”答题的学生。

实际效果如何？在ITU AI/ML in 5G Challenge专项赛题中，采用SC-Telco RAG的方案在1000道通信标准知识问答上准确率达到80.75%，相较基线模型提升35.75%。实验分析进一步证实：结构化文档提取保障了检索质量，两阶段微调解决了模型对上下文的“识别与利用”能力，两者缺一不可。

当然，任何技术都存在边界。当前方案在文档处理上主要针对3GPP协议文本，对多模态数据（如网络拓扑图、信令流图等）、多语言支持以及实时数据集成仍有优化空间。但不可否认，SC-Telco RAG提供了一条清晰的方向：与其让AI去适应混乱的数据，不如先把数据本身变得有序。 这对通信知识稽核、智能客服、网络故障诊断等场景有着极强启发意义。

图1：SC-Telco RAG技术流程

图2：结构化文档树逻辑图

图3：知识召回阶段文档处理

图4：结构化文档知识提取技术效果测评

图5：大模型两阶段微调技术效果测评

图6：SC-Telco RAG技术效果测评

来源：互联网