重塑「知识定义」、完善「知识管理」、为革新「知识应用」奠定基础
集 Collection「语料收集」、Management「管理/知识化」、 Tuning「模型调优」、Testing「模型回测」功能为一体 ，致力于打造适配企业端的智能「知识底座」，作为向上搭建各项AI应用的基础。
同时提供知识搜索与持续运营能力，不是建了个系统把文档存下来，而是持续生产真正有价值可利用的知识。
- CMTT概念全景
- 知识库能力蓝图
- Collection语料收集
- Management管理/知识化
- Tuning模型调优
- Testing模型回测
CMTT概念全景
Collection · 多渠道收集有价值的原始语料资源
Management · 结构化组织语料，建设多维度知识网络
Tuning · 将语料加工为数据集，以预训练模型为基础，针对企业特定能力调优
Testing · 持续验证微调模型在各项能力上的性能
知识库能力蓝图
从接入数据到运营管理，我们做了这些…
Collection语料收集
通过「语料收集器」对接多源原始语料，放置于「语料库」并执行初步加工，实时联动更新。
对于金融领域公开语料资源，已完成如下169余种类型的积累。
Management管理/知识化
我们认为，「知识 ≠ 语料的倾倒和囤积」，而是经过结构化整合与深度理解的信息网络，因此经过知识化加工的结果才是真正可用的知识。
同时，知识化加工 ≠ 照搬同一套AI技术框架，而是根据语料的业务类型与承载格式，区分定制化处理。
Tuning模型调优
不是直接套用开源或商用大模型底座，而是根据赢时胜数十年在金融领域耕耘的数据沉淀，形成数据集，优化大模型在特定任务上的性能。
Testing模型回测
对于微调模型在历史任务上的性能，实时回测验证，规避大模型优化而导致原有能力降低。