🦉 GitHub • 🤗 Hugging Face • 🤖 ModelScope • 🪐 Modelers • 📚 数据集
完整的项目文档、部署说明、SDK 用法与数据详情，请访问 [GitHub 仓库](https://github.com/XingChen-AGI/Xing4.0-29B-Intent)。 ## 目录 - [模型介绍](#模型介绍) - [模型概览](#模型概览) - [评测结果](#评测结果) - [快速开始](#快速开始) - [配套数据集](#配套数据集) - [许可与引用](#许可与引用) ## 模型介绍 **Xing4.0-29B-Intent** 是一个 **schema 引导的意图识别与结构化信息抽取模型**，基于中电信人工智能科技有限公司星辰语义大模型 [Xing4.0-29B-A4B](https://github.com/XingChen-AGI/Xing4.0-29B-A4B) 开发。它将自然语言转换为业务系统可处理的结构化结果，支撑智能助手、请求路由、文档信息抽取等场景。 例如，"帮我查明天北京到上海的航班" 这样一句话，需要被解析成航班查询意图，以及出发地、目的地、日期等参数。Xing4.0-29B-Intent 依据给定的类别与字段定义进行识别和抽取，以统一的 JSON 格式返回结果。 ### 核心特性 - **四类任务，统一表示**：意图识别与槽位填充、命名实体识别、关系抽取、事件抽取均采用 `category + args` 表示结果。 - **schema 引导的任务配置**：通过候选类别、类别描述和字段定义来指定任务，跨业务场景使用同一套输入输出协议。 - **识别与抽取联合进行**：同时识别用户意图及其参数，JSON 数组支持多类别、多参数实例。 - **中英双语用例**：评测覆盖中文和英文语料，包括会话中的意图理解与文本中的结构化信息抽取。 - **配套 SDK**：提供 schema 定义、提示词组装、多轮对话输入、同步/异步调用与结构化结果便捷读取。 ## 模型概览 | 项目 | 说明 | | --- | --- | | 模型名称 | Xing4.0-29B-Intent | | 基座模型 | [Xing4.0-29B-A4B](https://huggingface.co/XingChen-AGI/Xing4.0-29B-A4B) | | 基座参数 | 约 29B 总参数，每 token 约激活 4B | | 定位 | schema 引导的意图识别与结构化信息抽取 | | 支持任务 | 意图识别与槽位填充、命名实体识别、关系抽取、事件抽取 | | 输入 | 任务指令、schema、文本或多轮会话 | | 输出 | JSON 数组，每项包含 `category` 和 `args` | | 语言 | 中文、英文 | 基座模型采用混合专家（MoE）架构，技术细节见[基座模型仓库](https://github.com/XingChen-AGI/Xing4.0-29B-A4B)。本项目聚焦意图识别与信息抽取，具体场景的表现请结合目标数据与 schema 验证。 ### 任务与输出 | 任务 | `category` 含义 | `args` 内容 | | --- | --- | --- | | 意图识别与槽位填充 | 用户意图 | 与该意图关联的业务参数 | | 命名实体识别 | 实体类型 | 按 schema 字段抽取的实体信息 | | 关系抽取 | 关系类型 | 参与实体及其他相关字段 | | 事件抽取 | 事件类型 | 参与者、时间、地点等事件字段 | 输入 schema 定义候选类别及其可抽取字段：`category` 指定类别名称，`args` 列出字段名与字段说明。模型输出使用对应的类别与字段名称。输出 `args` 数组中的每个对象代表一个抽取出的参数实例；无可抽取参数时，`args` 为 `[]`。 ## 评测结果 我们在四类任务上评测模型：意图理解、命名实体识别、关系抽取和事件抽取。下表为当前汇总结果，采用 0–100 分制，由原始分数四舍五入取整。 | 模型 | 总分 | 类别 | 事件抽取 | 命名实体识别 | 关系抽取 | 意图理解 | | --- | ---: | ---: | ---: | ---: | ---: | ---: | | **Xing4.0-29B-Intent** | **58** | 69 | **40** | **72** | **38** | **81** | | Gemini-3.6-Flash | 49 | **71** | 30 | 71 | 29 | 64 | | Qwen3.8-Max | 46 | 71 | 29 | 66 | 26 | 63 | | Kimi-K3 | 45 | 71 | 28 | 68 | 25 | 61 | | GPT-5.6-Sol | 45 | 70 | 28 | 68 | 23 | 60 | | GLM-5.2 | 44 | 70 | 29 | 65 | 25 | 58 | | GLM-5.3-Flash | 44 | 69 | 27 | 65 | 26 | 58 | | DeepSeek-V4.1-Flash | 42 | 67 | 26 | 61 | 23 | 56 | | DeepSeek-V4-Pro | 41 | 67 | 23 | 60 | 24 | 56 | | LongCat-2.0 | 41 | 68 | 24 | 62 | 23 | 53 | | GPT-6-Luna | 39 | 64 | 24 | 59 | 20 | 51 | 注：加粗表示该列在取整前的原始分数最高。显示相同的整数不一定代表原始分数打平。 ### 评测说明 - **评测数据**：测试集包含 6,000 个样本，取自 48 个公开数据集，覆盖命名实体识别、关系抽取、事件抽取与意图理解，考察模型按任务指令与 schema 从输入文本中识别类别、抽取相关信息的能力。 - **指标定义**：每项任务分数为各数据集字段级 Micro-F1 的宏平均；总分为四类任务的等权平均。类别分只评估 `category` 标签，同样按四类任务等权聚合。分数为 0–100 分制，不代表业务准确率。 - **结果解读**：类别得分不代表所有抽取字段均正确。接口、提示词与推理设置也会影响结果。 ## 快速开始 ### 启动模型服务 环境准备与服务启动请参考基座模型的[服务化推理说明](https://github.com/XingChen-AGI/Xing4.0-29B-A4B/blob/main/README_zh.md#服务化推理)，其中涵盖 vLLM、SGLang 等框架的兼容环境与部署流程。将说明中的模型路径替换为 **Xing4.0-29B-Intent 权重路径**，并将 `--served-model-name` 设置为 `Xing4.0-29B-Intent`。 框架兼容性要求请遵循基座模型的部署文档，并按实际环境配置显存、并行度与上下文长度。服务启动后，SDK 通过其 OpenAI 兼容 API 调用。以下示例使用 `http://localhost:8000/v1`。 ### 安装并使用 SDK 配套 [XingIntent SDK](https://github.com/XingChen-AGI/Xing4.0-29B-Intent/blob/main/XingIntentSDK/README.md) 支持定义业务意图并获取结构化结果。克隆 GitHub 仓库并安装： ```bash git clone https://github.com/XingChen-AGI/Xing4.0-29B-Intent.git cd Xing4.0-29B-Intent/XingIntentSDK python -m pip install -e . ``` 调用模型服务的示例代码如下，将 `base_url` 和 `model` 替换为你的服务地址与模型名： ```python from xingintent import Arg, Intent, IntentClient client = IntentClient( base_url="http://localhost:8000/v1", model="Xing4.0-29B-Intent", max_tokens=512, ) result = client.predict( text="帮我查明天北京到上海的航班。", intents=[ Intent( "查询航班", "查询指定日期与路线的航班", args=[ Arg("出发地", "出发城市"), Arg("目的地", "到达城市"), Arg("日期", "用户提到的出行日期，保留原文"), ], ) ], ) print(result.category) print(result.args) ``` 预期输出： ```text 查询航班 {'出发地': '北京', '目的地': '上海', '日期': '明天'} ``` `result.category` 和 `result.args` 是 SDK 提供的便捷属性，分别返回第一个预测类别和合并后的参数字典。如需处理多类别或多参数实例，请遍历 `result.intents` 并读取每项的 `category` 与 `args` 以保留完整结构。SDK 自动完成提示词组装与结果解析。多轮对话、异步调用、从文件加载 schema 与受限解码等用法见 [SDK 文档](https://github.com/XingChen-AGI/Xing4.0-29B-Intent/blob/main/XingIntentSDK/README.md)，更多示例见 [SDK 示例目录](https://github.com/XingChen-AGI/Xing4.0-29B-Intent/tree/main/XingIntentSDK/examples)。 ## 配套数据集 配套开源数据集 **Xing4.0-29B-Intent-oss** 由重构的公开数据集与中国电信自有领域数据构成，帮助开发者理解任务定义、数据组织与输入输出格式。 - [Hugging Face 数据集主页](https://huggingface.co/datasets/XingChen-AGI/Xing4.0-29B-Intent-oss)：数据集概览。 - [数据集文档](https://github.com/XingChen-AGI/Xing4.0-29B-Intent/blob/main/data/README.md)：数据构成、schema、字段定义与样例组装说明。 ## 许可与引用 ### 许可 模型权重、公开数据与代码（含 Python SDK）均以 [Apache License 2.0](https://github.com/XingChen-AGI/Xing4.0-29B-Intent/blob/main/LICENSE) 开源。 ### 引用 如果本项目对你的研究或应用有帮助，请考虑引用本项目及基座模型的相关工作： ```bibtex @misc{xingchen2026xingintent, title={Xing4.0-29B-Intent}, author={{XingChen-AGI}}, year={2026}, howpublished={GitHub repository}, url={https://github.com/XingChen-AGI/Xing4.0-29B-Intent} } @misc{liu2025trainingreporttelechat3moe, title={Training Report of TeleChat3-MoE}, author={Xinzhang Liu and Chao Wang and Zhihao Yang and Zhuo Jiang and Xuncheng Zhao and Haoran Wang and Lei Li and Dongdong He and Luobin Liu and Kaizhe Yuan and Han Gao and Zihan Wang and Yitong Yao and Sishi Xiong and Wenmin Deng and Haowei He and Kaidong Yu and Yu Zhao and Ruiyu Fang and Yuhao Jiang and Yingyan Li and Xiaohui Hu and Xi Yu and Jingqi Li and Yanwei Liu and Qingli Li and Xinyu Shi and Junhao Niu and Chengnuo Huang and Yao Xiao and Ruiwen Wang and Fengkai Li and Luwen Pu and Kaipeng Jia and Fubei Yao and Yuyao Huang and Xuewei He and Zhuoru Jiang and Ruiting Song and Rui Xue and Qiyi Xie and Jie Zhang and Zilu Huang and Zhaoxi Zhang and Zhilong Lu and Yanhan Zhang and Yin Zhang and Yanlei Xue and Zhu Yuan and Teng Su and Xin Jiang and Shuangyong Song and Yongxiang Li and Xuelong Li}, year={2025}, eprint={2512.24157}, archivePrefix={arXiv}, primaryClass={cs.CL}, url={https://arxiv.org/abs/2512.24157}, } @misc{wang2025technicalreporttelechat2telechat25, title={Technical Report of TeleChat2, TeleChat2.5 and T1}, author={Zihan Wang and Xinzhang Liu and Yitong Yao and Chao Wang and Yu Zhao and Zhihao Yang and Wenmin Deng and Kaipeng Jia and Jiaxin Peng and Yuyao Huang and Sishi Xiong and Zhuo Jiang and Kaidong Yu and Xiaohui Hu and Fubei Yao and Ruiyu Fang and Zhuoru Jiang and Ruiting Song and Qiyi Xie and Rui Xue and Xuewei He and Yanlei Xue and Zhu Yuan and Zhaoxi Zhang and Zilu Huang and Shiquan Wang and Xin Wang and Hanming Wu and Mingyuan Wang and Xufeng Zhan and Yuhan Sun and Zhaohu Xing and Yuhao Jiang and Bingkai Yang and Shuangyong Song and Yongxiang Li and Zhongjiang He and Xuelong Li}, year={2025}, eprint={2507.18013}, archivePrefix={arXiv}, primaryClass={cs.CL}, url={https://arxiv.org/abs/2507.18013}, } ```