履约AIGC：从挑战到突破

小团

欢迎收听我们的特别节目，我是AI技术专家小团，今天非常高兴能和大家探讨履约AIGC的最新进展。我们将从履约AIGC的大事件开始，深入了解其在技术应用上的挑战、解决方案以及取得的成果。小美，你对履约AIGC有哪些了解？

小美

嗨，小团，感谢邀请我参加这个节目。我对履约AIGC了解不多，但听说它在2023年3月启动，构建了7*24小时的骑手个人化助理。这个项目听起来非常有前景。你能详细介绍一下吗？

小团

当然可以。履约AIGC自2023年3月启动以来，以骑手助手项目为牵引，目标是构建7*24小时的骑手个人化助理。在2023年底，我们在武汉进行了功能AB实验，验证了客诉降低5~8%，这增强了我们的信心。从2024年到现在，我们已经将产品线扩展至骑手助手、数字分身和AI审核员三个方向。这些成果不仅提升了运营效率，还显著节约了成本。

小美

哇，这听起来真的非常了不起。我想知道，履约在做AIGC应用时遇到了哪些挑战？

小团

履约在做AIGC应用时确实遇到了不少挑战。首先是资源分配与优先级确定。履约过程涉及众包运力管理、加盟运力管理、订单履约等多个视角，每个视角都有不同的角色，如骑手、站长、加盟商、总部运营和客服。这些需求和过程存在不确定性，如何合理分配资源、衡量优先级以及制定应对策略，是我们面临的一大挑战。

小美

嗯，这听起来确实很复杂。那具体来说，你们是如何应对这些挑战的呢？

小团

我们在原有PMF的基础上引入了TPF维度进行分析，平衡业务收益与技术探索，设计了履约AIGC的发展路径。例如，我们在需求侧分析中，将大模型技术按照5个层次划分，简单的需求通过规模化、低成本的方式完成，而纵深较长的技术点则做透，向下兼容以提升整体能力。同时，我们还构建了履约垂域的语言和多模态模型，以更好地支持业务需求。

小美

这听起来非常系统化。那在技术架构方面，履约AIGC遇到了哪些具体的难题呢？

小团

履约作为专业垂域，技术架构的搭建面临多个难题。首先是数据质量把控，履约场景存在大量知识密度低、数据质量差的数据，我们通过定制化的知识抽取和数据质控策略来解决这个问题。其次是多模态数据对齐，履约场景不仅包括图文音，还有轨迹、感知等时空数据，我们通过建立更直观的时空状态模型来优化文本嵌入。此外，我们还引入了Domain Adaptation和Few-Shot Learning等方法，提升对专业知识的理解。

小美

这些技术细节听起来非常专业。那履约AIGC在业务上已经取得了哪些具体的成果呢？

小团

履约AIGC在业务上取得了显著的成果。骑手助手功能已逐步扩展至28个城市，使用粘性显著增强，成为骑手不可或缺的工具。站长数字分身和AI审核员功能也取得了超预期的成果，显著提升了运营效率并节约了成本。具体来说，骑手助手的曝光使用率从8.98%提升到15.20%，人均query条数从3.14增加到64.71，7日复用骑手占比从63.58%提升到80.34%。AI审核员在下单、取货、送达等环节中，节省了494.4万/年的人工成本，AI审核准确率达到了93%~95%。

小美

这些数据真的很令人印象深刻。那对于未来，履约AIGC有哪些展望？如何联系到你们的团队？

小团

未来，履约AIGC将继续构建围绕履约垂域场景的LLM、MLLM和Agent的技术体系，重点关注多模态Agent的技术以及行业发展。我们计划将技术基线标准从对标GPT-3.5提升至GPT-4o，扩大覆盖人群，完成一批需求的低成本自助洞察及低成本上线。业务上，我们将继续在骑手助手、站长分身、AI审核员方向取得规模化业务收益，并关注Agent+多模态的技术及产品发展趋势。如果你对AIGC感兴趣或正在探索AIGC，可以咨询杨露露，联系方式是yanglulu10。对于AIGC算法岗和工程基建岗的招聘信息，可以分别咨询高九冲和尹飞凡。

小美

非常感谢小团的详细介绍，让我们对履约AIGC有了更深入的了解。今天的节目就到这里，感谢大家的收听，我们下次再见！