← Каталог

· Apsara Conference 2026 · 云栖大会

Когнитивная поддержка решений в сфере недвижимости в KE Holdings: практика Harness и самоэволюции AI

Часть записи Саммит по практике корпоративных Agent с 1:21:07

Агент для выбора жилья должен опираться на граф знаний о домах и людях, а поведение пользователей использовать как сигнал для дообучения модели и harness.

  • Дом описывается через то, что он даёт покупателю — спикер предлагает строить онтологию не из полей вроде площади и ориентации, а из связей: какой школьный доступ даёт квартира, в каком кругу живут соседи, какие типы семей ей подходят.
  • Выбор как оптимизация при конфликтующих условиях — жёсткие ограничения (бюджет, школа) и мягкие предпочтения меняются по ходу покупки, поэтому система должна переформулировать запрос пользователя по мере его решения.
  • Модели разного размера под разные сценарии — по словам спикера, компания использует от маленьких Qwen до Qwen max и flash, выбирая модель и режим глубокого рассуждения под задачу, чтобы держать стоимость и скорость ответа.
  • Траектории как данные для обучения — успешные диалоги отбираются по действиям пользователя и идут в SFT и RL; по словам автора, построить среду обратной связи для RL в бизнес-контексте непросто, и от неё во многом зависит результат.

Кому полезно: тем, кто строит агентов для сервисов с долгим циклом решения, где качество оценивается только по реакции пользователя через недели.

Статья по теме

Главы

  1. 0:00От поиска жилья к поддержке решений
  2. 5:22Понимание покупателей и недвижимости
  3. 6:52Граф знаний для решений о недвижимости
  4. 10:17Бизнес-ограничения и архитектура agent
  5. 13:59Eval, обратная связь и улучшение траекторий
  6. 17:44Обучение с подкреплением и развитие системы

Похожие доклады