计算机科学与探索

作者：薛建新, 张智睿, 高梦琦, 吴怜颐, 李梓欣, 常曦

单位：1. 上海第二工业大学 计算机与信息工程学院，上海 2012092. 上海第二工业大学 人工智能研究院，上海 2012093. 上海交通大学 软件学院，上海 200240

关键词：大语言模型,数据增强,微调,运维

随着大模型技术的迅速发展，基于大模型的智能问答系统已经成为企业运维中不可或缺的核心工具。然而，现有的智能问答系统通常依赖固定的数据集和预定义的规则，这使得其在应对私域运维知识的实时更新时表现出较低的灵活性和适应性。因此，提出一种面向私域运维问答的多任务监督微调方法Privofine。该方法的核心思想是基于先验知识将常见的运维问答问题划分为四种类型：设备安装、网络配置、性能优化和失效处理。通过对这些类型的运维问题进行分析，显式表达用户不同的提问意图，并设计相应的提示模板，从而自动生成并优化多类型问答对。这些问答对为后续的模型训练提供丰富的私域运维问答样本。在模型训练过程中，Privofine方法将生成的问答样本解耦为三个子任务：判断任务、关联任务和回答任务。每个子任务通过监督微调的方式共同作用于基座大模型，优化其在处理私域运维文档时的能力。为验证Privofine方法的有效性，在2024年CCF国际AIOPS挑战赛中的5G智能运维数据集上进行实验。结果表明，Privofine在性能上显著优于传统的低秩适应和领域特定微调方法。

来源：2026年第4期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2026年第4期