阅文（马宇峰）：AIGC在阅文集团的实践落地.pdf

AIGC在阅文集团的实践落地

马宇峰阅文集团AIGC技术负责人

目录

•阅文简介

•网文垂类AIGC应用探索

•智能创作

•角色扮演

•复盘与展望

亮点介绍

1.智能创作：

•垂类模型构建节奏与必要性

•网文感内容的产出步骤

2.角色扮演：

•数据：用数据来描述需求

•基座：在反馈飞轮中寻找核心壁垒

业务背景

1.“AI对于创作，就像辅助驾驶，但不是自动驾驶。我们要给作

家提供更多辅助工具，帮助作家迸发出更多好创作。”

2.“让很多以前被埋没的好故事成为IP，获得改编机会。未来很

有可能成为全民创作的时代，用户可以创作自己的作品，形成

自己的漫画等。”

3.“AIGC也能更好地服务于我们的读者和用户。AI创作拥有非常

多的互动可能性，我们内部在尝试把我们作品里的每一个主角

复活。我们可以走进每个故事，可以和故事的每个主人公去交

流。”

问题与挑战

•领域问题定义难

•智能创作-如何描述网文感？

•角色扮演-如何描述角色“灵魂”？

•领域数据储备难

•定义难-从原始数据到专业标注数据，耗费高；

•评测难-要专门定义任务评测标准，偏主观的需要专家支持；

•领域结果获取难

•规模化-单case很漂亮，但无法扩展到泛化场景；

•业务价值-规模化成功，但业务回报低，cover不了成本；

破题思路

•领域问题定义难•切准答案

•智能创作-如何描述网文感？•客观上：用数据来定义问题；先找答案，再反向构造指令；

•角色扮演-如何描述角色“灵魂”？•主观上：解决实际业务场景，不掉入伪需求；

•领域数据储备难•技术提效

•定义难-从原始数据到专业标注数据，耗费高；•标注耗费高：基于大模型辅助标注效率；

•评测难-要专门定义任务评测标准，偏主观的需要专家支持；•主观评测难：盲测完成后，线上直接看结果；

•领域结果获取难•想通业务闭环

•规模化-单case很漂亮，但无法扩展到泛化场景；•规模化难：保留方法路径，筹措对称资源（如知识库、精标数

•业务价值-规模化成功，但业务回报低，cover不了成本；据等）；

•业务价值：优化推理成本，关注核心指标；

智能创作核心实践

各开源英文版全参数首个场景验证完成10B级继续预训练训练效率提升70%模型能力的涌现RAG推理

Lora+P-tuning