亚信科技&清华大学：DeepSeek赋能自智网络高阶演进评测报告 2025

该文档是亚信科技与清华大学智能产业研究院联合发布的《DeepSeek 赋能自智网络高阶演进评测报告》，聚焦大模型在自智网络领域的应用，对 DeepSeek 等几款典型大模型进行多维度评测，为自智网络发展提供参考。

评测背景与目的

结合自智网络高价值场景业务需求，从语义解析、意图识别、推理能力等维度评测 DeepSeek 等大模型，为自智网络高阶演进提供科学依据与技术参考，推动通信行业智能化转型。

评测场景与指标体系

• 业务编排智能设计：测试语义解析、推理能力、知识检索等，评估业务智能编排的合理性、隐含信息理解等指标。

• 网络数据查询分析：考查语义解析、意图识别，评估查询分析意图识别准确率、提取准确率等。

• 网络拓扑生成：关注意图识别、语义解析，评估拓扑生成意图识别准确率、提取准确率等。

• 网络故障根因分析：涉及意图识别、自主规划等能力，评估根因分析的准确性、合理性、时效性等多方面指标。

• IP 网配置生成：测试意图识别、知识检索、文本生成能力，评估配置生成的准确率、覆盖范围、相关性等指标。

• 一线装维服务：评测意图识别、语义解析、知识检索能力，通过知识检索指标、服务准确性等衡量。

• 感知诊断分析：考查意图识别、语义解析、知识检索，评估分析的准确率、覆盖范围、全面性等。

• 无线投诉处理（文档未完整列出，但可推测相关能力测试与其他场景类似）：主要针对无线网络优化相关能力进行评估，如语义连贯性、准确性、完整性等。

DeepSeek 模型表现分析

• 优势：在多数场景和能力测试项中，DeepSeek R1 和 V3 与其他模型相比有一定竞争力，部分指标表现良好。

• 不足：处理少见网络专业问题时，知识检索的准确性和全面性不足；深度思考模式下存在过度思考现象，影响任务处理效率。

优化建议与展望

• 建议结合其他模型或方法弥补处理少见问题的缺陷，优化模型思考逻辑以平衡性能与效率，为后续自智网络发展和大模型应用提供方向 。

后台回复“250303C”，可获得下载资料的方法。

本公号使用腾讯元器（使用DeepSeek R1大模型）创建了智能交通技术AI服务，欢迎扫码进入体验（或在后台使用私信对话）。

点击文后阅读原文，可获得下载资料的方法。