首篇：“晓赢AI”，一款专为资管行业打造的业务助手
第二篇：CMTT智能知识平台，助你轻松搭建自己的AI知识问答应用
第三篇：AI交互技术框架，协助各类系统融入AI能力
在上一篇向大家介绍了赢时胜推出的“晓赢AI”之后，今天，我们荣幸地为大家深入介绍“晓赢AI”得以成功构建的幕后英雄——CMTT智能知识平台。
随着人工智能（AI）技术的日新月异，特别是大型语言模型（LLM）如GPT系列的崛起，在全球范围内引发了广泛的关注和应用热潮。这些先进的模型不仅在自然语言处理领域取得了令人瞩目的突破，更在知识问答、文本创作、代码生成等多个领域展现了其非凡的潜力。在这样的技术浪潮下，如何高效管理AI的“语料数据”，以及如何将AI技术与企业级知识管理领域深度融合，成为了众多企业亟待解决的落地难题。CMTT智能知识平台，正是赢时胜为解决这些问题而精心打造的重要工具。
赢时胜深知AI技术在企业级知识管理领域的重要性，组建了AI赋能中心对大模型进行工程化落地实践，在现有产品赋能、代码生成增效、交付模式改进等多个方面做出了积极探索和改进。为了更好地推动AI在企业级知识管理领域的落地应用，赢时胜结合多年行业沉淀以及近年在AI领域的探索推出CMTT智能知识平台，用于管理AI在企业端落地中知识管理过程中的Collection（收集）、Manage（管理）、Tuning（调优）和Test（测试）四个核心阶段。
Collection（语料收集）：在AI的语料收集阶段，赢时胜注重从企业内部和外部收集丰富多样的数据资源。企业内部数据包括行业有关监管条文、交易所数据标准、清结算业务规则、上下游关联系统数据接口、BPO业务操作指南、常见业务问题等。这些数据反映了资管行业的真实运营情况和业务规约。同时，赢时胜还积极从外部获取行业动态、公开数据集、监管解读等资源，以丰富AI的知识体系。通过对这些数据的收集、清理、版本化、受控利用，赢时胜为AI模型训练提供了坚实的基础和可持续发展的体系。
Manage（知识化过程管理）：在AI的知识管理阶段，赢时胜借助先进的知识管理系统和技术手段，实现了对企业内部和外部知识资源的有效整合和管理。通过构建向量数据库、知识图谱、语义层等技术手段，赢时胜实现了对企业级语料的批量“知识化”，将“文档”转化为可被AI理解的“知识”，提高了企业对知识的复用效率。此外，赢时胜还在AI交互过程中建立了完善的知识共享和传承机制，通过AI对知识使用过程的学习和整理，达到知识库持续“自我完善”的迭代效果。
Tuning（小模型调优）：在AI模型调优阶段，赢时胜充分利用企业内部和外部的多个专业知识模型、编程模型、分类模型，通过对模型参数、结构等方面的调整，赢时胜提高了AI模型在特定企业级任务上的性能和准确率。同时，赢时胜还积极探索了模型迁移学习、多任务学习等先进技术，以提高模型的泛化能力和适应性。这些调优工作为后续的AI应用提供了强有力的支持。
Test（模型迭代测试）：在模型投产后的升级过程中，CMTT平台通过回测用例集来评估特定模型能力是否衰退。通过定期对模型进行性能测试和评估，CMTT可以及时发现模型存在的问题，并给出对应的Tuning优化建议。这种持续优化的方式保证了模型能够始终保持良好的性能和准确性，也确保模型不会因为升级出现大规模能力衰退，为企业提供了稳定可靠的AI支持。
未来，赢时胜将继续深化CMTT平台在AI基础设施建设过程中的应用和实践，不断推动AI技术在企业级知识管理领域的落地和发展。随着技术的不断进步和应用场景的不断拓展，AI将在企业级各类领域发挥更加重要的作用，为企业带来更加丰富的价值和效益，为企业创建新质生产力贡献助力。
本文作者可以追加内容哦 !
