國際認可！FRC開創專家經驗更有效傳遞給大模型的新范式

　　隨著技術的發展，大模型能力日益增強并深入應用場景，這些進步的背后離不開高質量的提示詞設計。其中，思維鏈(Chain-of-Thought, CoT)作為一種常用方法，通過模擬人類解決復雜問題時的思考邏輯，用自然語言拆解推理過程，有理有據地分步推導，提升了答案的正確率和可信度。但如何有效地構建思維鏈，將復雜場景的人工經驗尤其是實體經濟場景里的專家經驗有效傳遞給大模型，是當前業界的挑戰。中國聯通數據科學與人工智能研究院經過不懈鉆研和實踐探索，提出“模糊思維鏈”(Fuzzy Reasoning Chain, FRC)方法，能夠更有效傳遞專家經驗從而解決多種實際業務場景中的復雜問題。

　　立足實踐，FRC實現復雜場景下精細化情感分類

　　以熱線服務場景為例，通常需要對用戶的反饋做情感分類以指導后續服務舉措，情感類別越多越具有業務指導價值。因此情感分類除積極和消極外，還會有無情感色彩、強情感沖突、弱情感沖突等較復雜類別，一般需具備豐富客服經驗的人類專家才可有效判別。

　　直接使用大模型或簡單的思維鏈提示方式很難做出準確的精細化分類，例如：針對用戶反饋“你們這個服務啊，總體還是蠻努力的，就是效率方面稍慢了點”給出的判別結果是“無情感色彩”，分類不夠精準，而FRC則判別出“弱情感沖突”分類，更符合業務需要。

　　總結規律，FRC歸納通用提示詞模板助力多場景專家經驗傳遞

　　基于FRC模糊思維鏈提示詞能有效引導大模型做出更精細的情感分類計算，因此我們提煉出一套FRC通用提示詞模板(如下)，便于快速定制多種業務場景提示詞，實現FRC模糊思維鏈構建。

　　在熱線服務情感分析場景中，智能文本分析專家通過人工經驗總結的情感類別判定表作為決策判斷規則，形成提示詞模板。大模型結合其自身的底層通用能力，實現從粗糙的兩類評估到精細化的五類判斷。(【匹配度計算規則】面向專業度高、理解難度大的垂直細分場景需進行特別設置。熱線場景通俗易懂，因此無需特別設置匹配度計算規則，依靠大模型本身的匹配度計算能力即可)。

　　（注：設定a = 積極情感匹配度，b = 消極情感匹配度，a, b?[0, 1]。據人工經驗顯示，|a-b| > 0.3時，大模型容易判定情感分類為積極or消極。而當|a-b| ≤ 0.3 時大模型則難辨情感傾向，會統一判別為中立。因此|a-b|≤ 0.3 的閾值進一步細分為三類：以0.5、0.25為界，區分強沖突、弱沖突和無情感色彩。）

　　國際認可，FRC開創人機協作新范式

　　為了驗證 FRC模糊思維鏈方法有效性，中國聯通數據科學與人工智能研究院在多個主流基礎大模型上，針對多場景復雜任務開展了全面評估。以情感分析為例，當用戶表達模糊情況下，FRC模糊思維鏈的準確率顯著優于傳統方法。例如，在 DeepSeek-32b 模型上，FRC模糊思維鏈對英文場景的準確率相較于傳統CoT提升約7%，對于中文場景提升約 8%，由此可知FRC模糊思維鏈能顯著提升模型處理復雜場景問題的精細度。

　　FRC模糊思維鏈通過人工設定任務評估維度、匹配度計算規則、決策判別規則、操作步驟說明等，將專家經驗傳遞給大模型;由大模型發揮“指令遵循、關鍵信息提取、數值計算”等通用底層能力，按照人類提示“復制”專家經驗，解決業務場景中的復雜問題。FRC模糊思維鏈實現了專家經驗與大模型擅長能力之間的強強聯合，開創了將專家經驗更有效傳遞給大模型的新范式!FRC模糊思維鏈已被EMNLP2025正式收錄（EMNLP：Conference on Empirical Methods in Natural Language Procesing，自然語言處理領域頂級國際會議之一），獲得國際認可。