让大模型“可信”：优刻得算力底座支撑深言科技LingoEDU落地

　　大模型的“幻觉”，正在成为走向生产的最大障碍。

　　深言科技联合清华大学NLP实验室开源的LingoEDU，通过将信息处理“原子化”，在结构层面显著降低幻觉、提升可控性与可信度，为可信AI提供了全新的技术路径。在这一前沿技术从开发走向落地的全过程中，优刻得为深言科技提供了高性能GPU算力底座，支撑LingoEDU在真实业务场景下进行大规模推理、验证与迭代。

　　以结构化重构长文本

　　LingoEDU破解大模型“幻觉”难题

　　LingoEDU的核心思想，是在大模型进行推理和生成之前，先对长文本进行精细化、可解释的结构化预处理。

　　与传统“粗暴压缩”的方式不同，LingoEDU将文档拆分为不可再分的基本信息单元（EDU），并进一步构建语义结构树。每一个EDU都对应原文中的明确位置，并通过层级关系组织成完整的知识结构。

　　LingoEDU示意：将原文拆分成基本语义单元树后，能方便地在多文档问答、文档总结、DeepSearch等应用场景进行高效地上下文处理

　　在推理阶段，模型不再“自由创作”，而是通过指针机制引用EDU节点完成生成，从物理层面约束幻觉的产生，实现生成内容的精确溯源与高度忠实。

　　LingoEDU具备如下优点：

　　1. 所形成的最小信息单元完整保留了原文的「语义信息」，同时保留了节点信息的完整性和节点之间信息的连贯性。

　　2. 使得上下文包含精准的「结构信息」，便于高效压缩，提升生成准确性。

　　实验结果显示，LingoEDU在语义切分准确性、推理可靠性以及综合成本效率等方面，均显著优于现有主流方案。而且LingoEDU能够零成本适配所有大模型。在被称为“AGI终极试炼”的HLE（Humanity’s Last Exam）评测中，DeepSeek-R1在适配EDU技术后，准确率从9.0%提升至 13.6%，相对提升达51%。

　　从科研到生产

　　优刻得算力底座支撑技术落地

　　LingoEDU的精细切分、结构树构建、受限解码以及多模型协同推理，对算力的稳定性、并发能力与调度效率提出了更高要求。

　　为此，优刻得为深言科技提供了面向AI推理场景的完整底层支撑：

　　基于Kubernetes的云原生AI推理架构，支持EDU预处理模型、筛选模型与主推理模型的解耦部署与弹性伸缩

　　高性能GPU集群，满足长上下文、多文档、高并发推理需求

　　稳定、低抖动的算力交付能力，保障EDU索引、指针引用等强一致性推理流程可靠运行

　　在优刻得高性能算力的支撑下，LingoEDU完成大规模实验验证与真实业务场景测试，为技术的工程化落地奠定了坚实基础。

　　深言科技联合清华大学NLP实验室开发的LingoEDU，是大模型从黑盒生成迈向可解释、可溯源、可控制的重要实践。作为中立、安全的云计算与算力服务提供商，优刻得将持续以高性能GPU、云原生AI平台和完善的算力调度能力，支撑更多前沿技术从研究走向生产，助力客户构建真正可落地、可规模化的AI应用。