TelecomGPT-R1：电信堆栈的统一开源推理机

电信是基于 大语言模型 (LLM) 的推理的高杠杆领域，因为常规工程工作流程需要在规范规范、操作遥测、特定于供应商的故障证据和精确的 RF/网络计算方面综合证据对齐。然而，当前电信中的 LLM 集成仍然受到两侧能力差距的瓶颈：通用推理器通常缺乏电信特定的基础，而特定领域的电信 LLM 在结构化、多步骤推理方面仍然受到限制。为了弥补这一差距，我们发布了 TelecomGPT-R1-9B，这是一款统一的开源电信推理机，在 GSMA 开放电信排行榜上名列前茅。具体来说，我们策划了一个包含 67,427 个示例的监督 微调 (SFT) 语料库，围绕四个互补的推理轴组织：协议、知识、建模和故障。该语料库是根据轴匹配的公共网络资源构建的，并通过特定轴的思想链 (CoT) 生成和前缀延续自我验证进行增强。从Qwen3.5-9B开始，我们进一步开发了两阶段后训练配方。首先，基于多教师低秩适应（LoRA）的 SFT 注入电信知识并引入特定于轴的推理格式。其次，通过解耦剪辑和动态采样策略优化（DAPO）稳定的组相对策略优化（GRPO），使用四轴对齐的二进制验证器奖励来优化策略。在七个公共电信基准测试中，TelecomGPT-R1-9B 在开源电信 LLM 中排名第一，并实现了与最先进的闭源前沿推理器相当的七轴平均值。