TelecomGPT-R1：面向异构电信任务推理的统一后训练

arXiv:2609.25356v1 公告类型：新发布 摘要：大语言模型（LLM）在自动化各类电信工程任务方面展现出巨大潜力，可对标准规范、网络配置、数学模型、源代码及运维日志进行推理。然而，现有电信领域 LLM 难以在这类多样化任务与数据类型上实现可靠推理。通用 LLM 往往缺乏对电信专业知识的可靠锚定，而电信专用模型通常面向较窄的任务族开发，多任务表现有限。为填补这一空白，我们提出 TelecomGPT-R1——一个围绕四个互补维度（协议、知识、建模、故障）构建的开源统一电信推理模型系列。我们首先开发了维度感知的数据生成框架，将粗粒度的公开电信资料精炼为经验证的问答对和高质量思维链（CoT）推理轨迹，形成包含 104,880 个样本的训练语料。在此基础上，监督微调（SFT）向模型注入电信知识与基于证据的推理模式，克服强化学习（RL）的冷启动障碍。随后，我们采用动态采样策略优化（DAPO），并结合按任务路由的评分量规奖励，使 RL 更新在异构电信推理任务中保持信息丰富且稳定。这些奖励将特定维度的 CoT 轨迹分解为可验证的推理单元，并把基于证据的稠密过程信用与结果正确性相结合，使 RL 能够从可验证的电信证据中学习可泛化的问题求解行为。我们开源了 TelecomGPT-R1 模型及可复现的训练配方，以支持社区进一步开发。在 GSMA Open Telco Leaderboard 的七个 benchmark 评测中，开源的 TelecomGPT-R1-27B 取得 89.64% 的平均分，超越包括 GPT-5、Claude 和 Gemini 在内的领先专有模型。