← → 翻页 · B 静态 · ESC 索引
Model Training · Internal Briefing
Vol.02
行业模型训练项目

建设爱梦自己的垂类模型能力

从垂类模型起步，构建爱梦长期 AI 核心能力

模型训练·阶段进展·未来价值
What We Are Building
01 / 12
我们正在做什么

我们已经启动自己的垂类模型训练工作

把业务数据与真实场景，转化为公司可持续进化的垂类模型能力

01
已经开始
不是概念规划，已经完成第一阶段训练验证。
02
聚焦场景
先从睡眠报告解读切入，验证真实业务价值。
03
长期能力
目标是形成数据、模型、场景之间的持续闭环。
Why Our Own Model
02 / 12
为什么要训练自己的模型

通用模型很强，但不天然懂我们的业务

真正有价值的是把公司的数据、产品能力和业务场景训练进模型里。

通用模型
提供基础智能，能回答常识问题
Base
行业模型
理解睡眠报告、设备能力和用户场景
Ours
长期价值
沉淀成公司自己的 AI 资产
Asset
通用模型提供基础能力，公司模型沉淀行业理解。
Training Flywheel
03 / 12
模型训练的长期逻辑

数据 → 模型 → 场景 → 反馈 → 再训练

Continuous Training Loop
01
真实业务数据
睡眠报告、设备使用、用户反馈持续沉淀。
02
模型训练
让模型学习公司业务表达和场景规则。
03
场景应用
进入用户、门店、公司内部场景。
04
持续迭代
反馈和新数据推动模型越来越懂用户。
Progress · First Validation
04 / 12
当前阶段进展

睡眠报告解读方向，已完成第一阶段训练验证

已经跑通从真实报告整理、模型训练，到独立样本验证的完整闭环。

Current Capability
05 / 12
当前模型能做什么

把专业睡眠指标，转成通俗解读和可执行建议

模型已经具备从专业数据到用户价值的转化能力

输入
结构化睡眠报告与趋势数据
Input
理解
识别重点、处理缺失、控制边界
Model
输出
睡眠总结、数据解释、今晚建议
Output
从“数据记录”，变成“用户能理解的建议”。
4B · Validation Engine
06 / 12
为什么从 4B 小模型开始

当前小模型是验证引擎，不是最终形态

01
投入可控
本地服务器即可快速训练和迭代，前期成本可控。
02
验证效率高
快速验证数据、任务设计、输出风格和业务场景。
03
端侧潜力
未来可探索手机、床边终端等低成本本地部署。
Scenes · Three Audiences
07 / 12
未来服务的三类场景

模型训练能力，先聚焦公司自己的核心场景

C
C 端用户
看懂报告、获得建议、理解趋势、自然控制设备。
S
门店销售体系
导购讲得清，培训更轻，转化更有抓手。
B
公司内部
辅助产品研发、用户运营、销售布局和管理决策。
ROI · Reusable Capability
08 / 12
投入产出逻辑

小投入验证，长期能力可复用、可放大

一套模型训练能力，未来可进入用户服务、设备控制、销售体系、产品研发和经营决策。

Plan · Next Steps
09 / 12
下一步计划

完善 demo，扩大评测，验证设备控制，规划更强模型

Execution Path
01
报告解读 demo
展示从原始数据到用户建议的变化。
02
扩大评测
覆盖更多真实场景和边界情况。
03
设备控制验证
先模拟器验证，再低风险联调。
04
更强模型规划
端侧轻量与云端强能力协同。
Closing · Takeaway
10 / 12
总结

模型训练，是公司长期 AI 能力建设的起点

当前是睡眠报告解读验证，长期是数据、模型、场景之间的持续闭环。

Appendix · Validation
11 / 12
备份页 A

当前阶段验证数据

Training Samples
506
高质量样本完成当前候选版本训练
Held-out Evaluation
28/28
独立评测样本通过当前阶段验收
Boundary Check
0
未出现诊断、药物建议、编造缺失数据等风险项
Appendix · Model Route
12 / 12
备份页 B

模型路线与行业趋势

先用小模型低成本验证，再规划端侧轻量模型和云端强能力模型。

同等能力所需成本，会随着算法和训练方法进步逐步下降。 Epoch AI / METR · Research References
端侧
低成本、低延迟、基础交互
Edge
云端
复杂理解、长期画像、经营洞察
Cloud