DuIVRS-2：基于LLM的大规模POI属性获取交互式语音应答系统

准确的兴趣点（Point of Interest，POI）属性获取对基于位置的服务至关重要，但传统的模块化交互式语音应答（Interactive Voice Response，IVR）系统存在误差累积和维护开销高的问题。我们提出DuIVRS-2，一个基于大语言模型（LLM）的端到端框架，专为百度地图的大规模POI属性获取而设计。为应对真实交互的长尾分布，我们的方法首先采用有限状态机（FSM）引导的数据增强策略来合成均衡且多样的训练数据集。随后，我们通过选择性生成方案结合思维链（Chain-of-Thought，CoT）机制来简化对话管理，从而确保输出稳定性并在工业环境中有效消除幻觉。为了以最少的人工投入促进策略的持续改进，我们设计了一个利用双评估器投票系统的协作式迭代学习框架。在生产环境中部署两个月后，DuIVRS-2每日处理40万通电话，任务成功率（TSR）达到83.9%，比前代系统高出4个百分点，同时保持130ms的低响应时间。这项工作为开发面向大规模工业对话应用的健壮且高性价比的LLM智能体提供了经过生产验证的参考。