# RAFT 检索微调｜技术能力｜九昇智能

> 九昇智能RAFT 检索微调：让模型不仅找到资料，也学会专业表达与推理方式。

- 官方页面：http://www.9shengai.com/technology/raft/
- 发布机构：杭州九昇智能科技有限公司
- 联系方式：13933159288（同微信）
- 语言：简体中文

## 页面正文

首页 ／ 技术能力 ／ RAFT 检索微调 RETRIEVAL-AUGMENTED FINE-TUNING RAFT 检索微调 在检索提供最新事实的基础上，通过高质量样本让模型更熟悉业务表达、任务结构和判断路径，适用于专业性和一致性要求较高的任务。 解决的核心问题 让模型不仅找到资料，也学会专业表达与推理方式 CORE CAPABILITIES 核心能力 01 知识与样本协同 检索知识负责动态事实，训练样本负责稳定表达与任务方法。 02 干扰信息训练 让模型学习从候选资料中识别真正相关依据，减少表面匹配。 03 业务逻辑内化 通过专家示例学习输出结构、判断步骤和专业术语。 04 反馈回流 把经过确认的高质量交互沉淀为后续评测或训练资产。 ENGINEERING FLOW 工程实施路径 从业务标准和真实样本出发，每一步都保留输入、输出和验收依据。 01 确认RAG已具备可靠基础 02 定义需要内化的任务能力 03 筛选并标注专家样本 04 训练与对照实验 05 独立测试集评估 06 灰度上线与持续回流 WHEN TO USE 适合什么情况 单纯检索仍难形成稳定专业表达 任务有清晰方法论和高质量专家样本 知识更新与能力内化需要同时兼顾 项目具备持续评测和迭代条件 ACCEPTANCE 如何验收 与基线方案进行同题对比 在独立测试集上达到约定指标 事实性问题仍能引用检索依据 新知识更新不依赖重新训练全部模型 TECHNOLOGY BOUNDARY 能力边界 RAFT不是所有项目的必选项。样本不足、任务变化快或轻量问答场景通常优先使用RAG与提示工程。 RELATED PROJECTS 相关技术实践案例 从部分真实项目中查看该技术如何与业务流程、数据和人工复核机制组合。 CASE 01 · 生态环保监管 环评文件智能审核 某生态环保部门 3–5天 → 约10分钟 典型审核任务 · 查看完整案例 → CASE 03 · 青年公共服务 冀青就业创业咨询助手 某共青团省委 1个 小程序服务入口 · 查看完整案例 → CASE 10 · 建筑工程投标 标书智能体 成都建筑行业客户 ≥5个工作日 → 约1小时 约100万字主体生产 · 查看完整案例 → 浏览更多案例 → START HERE 让第一个 AI 场景， 在业务里跑起来 电话 / 微信： 13933159288 预约 AI 落地诊断 微信扫一扫，添加企业 AI 落地顾问