Xing4.0-29B-Intent

Xing4.0-29B-Intent

🦉 GitHub • 🤗 Hugging Face • 🤖 ModelScope • 🪐 Modelers • 📚 数据集

完整的项目文档、部署说明、SDK 用法与数据详情，请访问 GitHub 仓库。

目录

模型介绍

模型概览

评测结果

Quick start

配套数据集

许可与引用

模型介绍

Xing4.0-29B-Intent** 是一个 **schema 引导的意图识别与结构化信息抽取模型**，基于中电信人工智能科技有限公司星辰语义大模型 Xing4.0-29B-A4B 开发。它将自然语言转换为业务系统可处理的结构化结果，支撑智能助手、请求路由、文档信息抽取等场景。

例如，"帮我查明天北京到上海的航班" 这样一句话，需要被解析成航班查询意图，以及出发地、目的地、日期等参数。Xing4.0-29B-Intent 依据给定的类别与字段定义进行识别和抽取，以统一的 JSON 格式返回结果。

核心特性

• *四类任务，统一表示**：意图识别与槽位填充、命名实体识别、关系抽取、事件抽取均采用 category + args 表示结果。
• *schema 引导的任务配置**：通过候选类别、类别描述和字段定义来指定任务，跨业务场景使用同一套输入输出协议。
• *识别与抽取联合进行**：同时识别用户意图及其参数，JSON 数组支持多类别、多参数实例。
• *中英双语用例**：评测覆盖中文和英文语料，包括会话中的意图理解与文本中的结构化信息抽取。
• *配套 SDK**：提供 schema 定义、提示词组装、多轮对话输入、同步/异步调用与结构化结果便捷读取。

模型概览

项目 说明

• -- ---

模型名称 Xing4.0-29B-Intent

基座模型 Xing4.0-29B-A4B

基座参数 约 29B 总参数，每 token 约激活 4B

定位 schema 引导的意图识别与结构化信息抽取

支持任务 意图识别与槽位填充、命名实体识别、关系抽取、事件抽取

输入 任务指令、schema、文本或多轮会话

输出 JSON 数组，每项包含 category 和 args

语言 中文、英文

基座模型采用混合专家（MoE）架构，技术细节见基座模型仓库。本项目聚焦意图识别与信息抽取，具体场景的表现请结合目标数据与 schema 验证。

任务与输出

任务 category 含义 args 内容

• -- --- ---

意图识别与槽位填充 用户意图 与该意图关联的业务参数

命名实体识别 实体类型 按 schema 字段抽取的实体信息

关系抽取 关系类型 参与实体及其他相关字段

事件抽取 事件类型 参与者、时间、地点等事件字段

输入 schema 定义候选类别及其可抽取字段： category 指定类别名称， args 列出字段名与字段说明。模型输出使用对应的类别与字段名称。输出 args 数组中的每个对象代表一个抽取出的参数实例；无可抽取参数时， args 为 [] 。

评测结果

我们在四类任务上评测模型：意图理解、命名实体识别、关系抽取和事件抽取。下表为当前汇总结果，采用 0–100 分制，由原始分数四舍五入取整。

模型 总分 类别 事件抽取 命名实体识别 关系抽取 意图理解

• -- ---: ---: ---: ---: ---: ---:
• *Xing4.0-29B-Intent** **58** 69 **40** **72** **38** **81**

Gemini-3.6-Flash 49 **71** 30 71 29 64

Qwen3.8-Max 46 71 29 66 26 63

Kimi-K3 45 71 28 68 25 61

GPT-5.6-Sol 45 70 28 68 23 60

GLM-5.2 44 70 29 65 25 58

GLM-5.3-Flash 44 69 27 65 26 58

DeepSeek-V4.1-Flash 42 67 26 61 23 56

DeepSeek-V4-Pro 41 67 23 60 24 56

LongCat-2.0 41 68 24 62 23 53

GPT-6-Luna 39 64 24 59 20 51

注：加粗表示该列在取整前的原始分数最高。显示相同的整数不一定代表原始分数打平。

评测说明

• *评测数据**：测试集包含 6,000 个样本，取自 48 个公开数据集，覆盖命名实体识别、关系抽取、事件抽取与意图理解，考察模型按任务指令与 schema 从输入文本中识别类别、抽取相关信息的能力。
• *指标定义**：每项任务分数为各数据集字段级 Micro-F1 的宏平均；总分为四类任务的等权平均。类别分只评估 category 标签，同样按四类任务等权聚合。分数为 0–100 分制，不代表业务准确率。
• *结果解读**：类别得分不代表所有抽取字段均正确。接口、提示词与推理设置也会影响结果。

Quick start

启动模型服务

环境准备与服务启动请参考基座模型的服务化推理说明，其中涵盖 vLLM、SGLang 等框架的兼容环境与部署流程。将说明中的模型路径替换为 **Xing4.0-29B-Intent 权重路径**，并将 --served-model-name 设置为 Xing4.0-29B-Intent 。

框架兼容性要求请遵循基座模型的部署文档，并按实际环境配置显存、并行度与上下文长度。服务启动后，SDK 通过其 OpenAI 兼容 API 调用。以下示例使用 http://localhost:8000/v1 。

安装并使用 SDK

配套 XingIntent SDK 支持定义业务意图并获取结构化结果。克隆 GitHub 仓库并安装：

调用模型服务的示例代码如下，将 base url 和 model 替换为你的服务地址与模型名：

预期输出：

result.category 和 result.args 是 SDK 提供的便捷属性，分别返回第一个预测类别和合并后的参数字典。如需处理多类别或多参数实例，请遍历 result.intents 并读取每项的 category 与 args 以保留完整结构。SDK 自动完成提示词组装与结果解析。多轮对话、异步调用、从文件加载 schema 与受限解码等用法见 SDK 文档，更多示例见 SDK 示例目录。

配套数据集

配套开源数据集 **Xing4.0-29B-Intent-oss** 由重构的公开数据集与中国电信自有领域数据构成，帮助开发者理解任务定义、数据组织与输入输出格式。

Hugging Face 数据集主页：数据集概览。

数据集文档：数据构成、schema、字段定义与样例组装说明。

许可与引用

许可

模型权重、公开数据与代码（含 Python SDK）均以 Apache License 2.0 开源。

Quote

如果本项目对你的研究或应用有帮助，请考虑引用本项目及基座模型的相关工作：