Keyue Cup: Large Language Model Challenge – Optimization of Product Q&A Capabilities for Voice Customer Service
合作单位
百度智能云
赛题简介
由百度智能云发起出题，基于开源大模型制定技术方案，开发低时延、高准确的商品问答系统，提升多表数据理解与逻辑推理能力，推动大模型技术在语音客服场景中的创新应用，为智能客服与销售助手的发展提供新的解决方案。
赛题背景
在真实客服业务场景中，如何通过自然语言直接与海量的数据进行交互，是实现“数据普惠”与提升决策效率的核心痛点。本次大赛聚焦于低时延的商品问答场景，旨在探索大模型技术在结构化数据理解与逻辑推理中的应用能力。参赛者可以基于开源数据（涵盖商品属性、历史销售报表、库存状态等），借助大模型与语义解析技术，构建一个能够“听懂人话”的商品问答助手。系统需模拟真实业务中用户咨询商品属性、查询特定周期销量等复杂意图，实现对表格数据的精准检索、统计聚合与自然语言回复，打破人与数据之间的壁垒。
参赛者可以基于开源模型实现低时延的问答系统。方案应充分利用大模型的语义理解等功能，准确回答出用户问题，提供以下核心功能：
海量数据的准确问答：能够正确完成百万级数据、上百维商品属性下的各类查询问题。
支持多表问答：支持多表问答。
系统延时性： 回复需流式输出，首字时延2秒内（query输入到生成首字阶段），提升交互实时性。
通过本次大赛，我们期待参赛者能够开发出高效、低时延的商品问答助手，推动大模型技术在客服场景中的创新应用，为智能销售助手的发展提供新的解决方案。
比赛任务
本赛题要求参赛选手构建一个自然语言转SQL（NL2SQL）系统，该系统能够：
理解用户的自然语言问题：基于智能客服场景，解析用户的查询意图
生成可执行的SQL语句：根据给定的数据库表结构，生成语法正确、语义准确的SQL查询
返回正确的查询结果：SQL执行后能返回符合用户意图的准确答案
结果润色：系统需要对 SQL召回结果进行润色和优化，保证流畅度 和 拟人度，给用户回复。
任务流程示意：
用户query → NL2SQL系统 → SQL语句 → 数据库执行 → 查询结果 → 结果润色
任务示例：
| 输入（自然语言问题） | 期望输出（SQL语句） | SQL召回结果润色后回复 |
|---|---|---|
|
查询联想ThinkBook 14+的价格是多少 |
SELECT price FROM laptop_info WHERE model_name = '联想ThinkBook 14+' |
联想 ThinkBook 14+ 的价格为：6299 元 |
|
哪些手机的电池容量大于5000mAh |
SELECT model_name FROM phone_info WHERE battery_capacity > 5000 |
电池容量大于 5000mAh 的手机有：小米 Redmi Note 12、荣耀 X50、realme GT Neo5 |
|
AirPods Pro 2的续航时间是多少 |
SELECT battery_life FROM earphone_info WHERE model_name = 'AirPods Pro 2' |
AirPods Pro 2 的续航时间约为：6 小时（单次使用） |
|
一共有多少款手机 |
SELECT COUNT(*) FROM phone_info |
当前共有 128 款手机 |
|
最贵的笔记本电脑价格是多少 |
SELECT MAX(price) FROM laptop_info |
最贵的笔记本电脑价格为：18999 元 |
扫描二维码进选手答疑群：
