将服务行为规范微调进模型可提升专家评分的回答质量。
资讯摘要
论文提出NEIGHBOR，一个面向社区住户服务的LLM智能体，将服务行为规范训练进驱动工具的模型。作者基于公开社区服务材料构建7824条监督微调样本，用LoRA适配Qwen3-235B-A22B，围绕承诺控制、转人工等六项服务行为目标，并规划文档检索与只读text-to-SQL查询住户记录。该智能体已部署于东亚某千万级人口城市一个区的在线住户服务平台。离线评测中，独立领域专家对50条分层留出查询的350个回答评分，NEIGHBOR得7.74/10，未微调模型为5.86，六项维度均有提升。
要点速读
- 作者用LoRA在7824条监督样本上适配Qwen3-235B-A22B，训练六项服务行为目标，包括承诺控制与转人工。
- 专家评测中NEIGHBOR得7.74/10，同智能体未微调模型为5.86，50条查询中46条更优。
- 工具增强回答均未触发红线标记，独立模型有8%–14%的回答触发；LLM评审与专家排序相关性ρ=0.93。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。