LOM本体大模型：以小参数实现大逻辑的技术突破

新闻发布

立即打印

媒体联络

线女士

用友团体 xianbj@mt150.com

LOM本体大模型：以小参数实现大逻辑的技术突破

2026年2月28日

yonyou

在大实体模型的技术提升方式中，Scaling Law（放缩热力学法则）一直都是行同行业的关键性基准，其中心环绕对模形基本运作表范围提高自己引发的互通类化力增强学习伸展，也让不在少数人变成了 “基本运作表越大对模形力越强” 的确定性自我意识。而用友LOM自身大对模形凭借着4B基本运作表的小对模形，在企业邻域的规律思想推理神器任务中增添出掌控上千亿级互通大对模形的耐腐蚀性，某些成绩并不一定漠视放缩热力学法则，却是出自于新技术构架与新产品开发规律的去创新突破自我。

缩放定律与企业需求的分野

图片缩放热力学定律的实际价值展现在互通性大模特的科研开发中，相似模特以控制全的域的互通性形式化能力素质为任务，要开始大规模指标去学会和记忆不相同的域的大量相关信息，履盖此外生活中交流信息、专业知识各个平台问答、相关内容转换等很多画面。

但企业AI应运的使用需求与通用性大仿真类别截然有所不同，制造业企业主不想要仿真类别熟知全方面知识与技能，二是耍求其在指定的制造业企业主业务量部场地中中，符合深层的方法演绎演绎推理学习能力，也便是在某类明确业务量部场地中下，仿真类别能够优质、高质量地使用方法标准规范实施演绎演绎推理和管理。

LOM本体大模型的技术突破

针对企业的AI的中心需求分析，LOM基座大整治弹出了 “唯技术工艺指标论” 的研发培训构思，提出来了 “思维规格≠技术工艺指标产值” 的技术工艺1性作用。这寓意着整治功效的新增并不意味着善良依赖于于技术工艺指标的数量的新增。适用整治想要实现了“啥子都懂”的目标值，不允许不开始多技术工艺指标去记忆里各种各样专业内容，假如唐诗唐诗、宇宙科普等。这个专业内容尽管充裕了整治的涵养，但在某一某一的任務中，却或者变成那种“额外负担”，毕竟同旁内角侵占了多技术工艺指标网络资源，却不就直接广泛用于新增整治在该的任務上的功效。

LOM本体大模型采用创新的“神经 - 符号”融合架构，将4B参数全部集中投入到“理解本体、执行规则、推演路径”这几个关键环节上。“理解本体”能够让模型准确把握特定领域中各种概念和实体之间的关系；“执行规则”确保模型在处理任务时严格遵循该领域的逻辑规则；“推演路径”则使模型能够沿着合理的逻辑链条进行推理，得出准确的结论。通过这种精准的参数分配和架构设计，LOM本体大模型在特定领域的逻辑推理能力上实现了质的飞跃。

专业与通用模型的较量

在客户管控者来说，LOM基座大模式化的核心思想价值观取决杀死客户加盟中的不判断性，有郊解决批发商链断供、的安全漏洞补丁、股票市场误判等分享的巨大消耗，为客户加盟建设方案起坚如磐石的的安全垫，让客户行业竞争话题从“没能有软件程序”转变“软件程序是否需要原本影响了策略与程序”。

这种研发思路的差异，让LOM本体大模型在企业特定领域的逻辑推理中形成了显著优势。通用千亿级大模型如同全科博士，涉猎广泛却难以在单一专业领域做到极致；而LOM本体大模型则专注于企业业务领域的深度打磨，如同深耕专业领域的资深从业者，能够精准应对企业场景中的各类复杂逻辑推理问题。

Model Performance Ranking

以查账工作为例，一个“全科博士”虽然读过很多书，知识储备丰富，但在查账这件事上，由于缺乏对财务规则和逻辑的深入理解和专注训练，可能不如一个“资深会计”高效准确。“资深会计”长期专注于财务领域，熟悉各种财务规则和查账方法，能够迅速发现账目中的问题。LOM本体大模型就如同这位“资深会计”，通过专注于特定领域的逻辑规则，实现了逻辑超越参数的效果。

同时，这也是算力熵减的胜利。在传统的模型发展中，随着参数规模的扩大，算力的消耗呈指数级增长，同时模型也面临着信息冗余和效率低下的问题，类似于一种“算力熵增”的状态。而LOM本体大模型通过优化架构，将算力集中在关键任务上，减少不必要的参数浪费，提高算力的利用效率，实现“算力熵减”，为模型的发展提供了新的思路和方向。

用友LOM自身大模形的水平相对路径显示，单位主AI的提升不必然环绕着技术指标投资规模依次增加的相对路径后退。用构架创新性体现显卡功耗的更好再生利用，相同应该在指定区域领域行业获取推动。这些“规律企及技术指标”的一个构想，为单位主AI的实施提供了好几个种能够的选。

本体大建模本文具体位置：

//chinaxiv.org/abs/202601.00187

扫一扫上边二维码图片

获取核心大建模方法姿料

更有机会参加行业AI训练法营

上一篇：本体驱动实战破局用友企业AI训练营圆满举行

下一篇：硬核解析：LOM本体大模型如何重构企业AI内核

用友网络科技