使用某机构NeMo为自治网络构建电信推理模型
2026年2月28日
作者：Aiden Chang, Amparo Canaveras, Ari Uskudar, Amol Phadke
自治网络正迅速成为电信行业的重中之重。根据最新的某机构《电信行业AI现状报告》，65%的运营商表示AI正在推动网络自动化，50%的运营商将自治网络列为投资回报率最高的AI应用场景。
然而，许多电信公司仍然反映在AI和数据科学专业知识方面存在缺口，这使得在复杂、多域的网络中扩展安全、闭环的自动化变得困难。
目前，大多数电信网络运维中心（NOC）仍然采用被动、告警驱动的工作流程。工程师需要手动在多个工具之间对成千上万的故障进行分类，筛选海量的告警和性能数据，并将碎片化的仪表板和日志拼凑起来，之后才能应用修复方案或派遣现场团队。NOC是自治网络的天然起点，因为它集中了大量、可重复的任务，AI可以直接在这些任务中缩短平均修复时间（MTTR）并降低运营成本（OPEX）。
Tech Mahindra（一家为各行业企业提供技术咨询和数字解决方案的全球领先供应商）与某机构正在合作弥合这一AI技能缺口。他们的做法是将自治网络的构建模块——开放模型、工具和实现指南——转化为电信开发者可以在自己环境中直接采用和适配的资产。
本文概述了如何使用某机构 NeMo微调推理模型，使其表现得像NOC工程师一样，安全地驱动闭环、自愈的工作流程。内容包括：
- 生成合成且符合电信现实的故障数据
- 使用生产级参考工作流，将专家流程转化为结构化的推理轨迹，从而教会模型协调工具、推理网络状态并端到端执行故障管理任务
最终成果是一个可重复的方法，电信团队可以用它来构建自己专用于网络运营的AI智能体。这些智能体能够对高发的故障类别进行分类、根因分析和修复，帮助运营商迈向TM Forum 4级及更高级别的高度自治网络。
为什么网络运维中心需要推理模型？
传统的NOC自动化大多基于规则且是开环的：脚本在固定条件下触发，但难以处理噪声信号、跨域依赖以及不断变化的网络行为。因此，许多一级和二级任务——分类、根因分析、变更后的验证——仍然依赖人工，导致MTTR居高不下，并限制了运营商向真正自治运营迈进的程度。
[图1：从人工处理NOC告警转向嵌入NOC工作流的推理智能体]
电信推理模型成为了AI智能体的引擎，能够以可控、可审计的方式承担这种工作模式。智能体不再使用硬编码的运行手册和零散脚本，而是利用模型来解释故障、决定调用哪些工具，并根据实时响应调整其行动。关键特性包括：
- AI推理 + 工具调用：通过调用NOC工具进行验证、根因分析和跨现有系统的修复，取代人工告警分类
- 端到端自动化：处理各类故障（如断网、震荡、拥塞、配置问题）的告警验证、RCA和修复
- 降噪：利用历史模式过滤自清除或低价值告警，让工程师专注于更高优先级的任务
- 秒级修复，而非数小时：将高发、已充分理解的故障的修复时间从数小时缩短到秒级，显著降低MTTR
最终成果是一个闭环、自愈的网络。专门的NOC智能体处理常规的分类和修复，工程师则从被动的告警处理转向主动优化和复杂问题解决。
设计电信推理流水线
该解决方案的技术方法将以下组件组合成一个可重复的流水线：
- 合成故障数据
- 专家NOC流程
- 结构化推理轨迹
- 监督式微调
- 评估
模型不是直接从原始日志和告警中学习，而是在精选的示例上进行训练，这些示例展示了一位经验丰富的工程师将如何分析故障、调用工具以及判断修复何时完成。
[图2：智能体训练流水线，从合成故障生成到推理模型，再到微调和评估（涵盖工具调用、推理和结论）]
本例中，Qwen3-32B作为基础推理模型，针对电信NOC工作流进行微调，设计原则如下：
- 聚焦少数高影响力的故障类型，这些类型占据了大部分故障并需要明确的行动。这使得模型能够深入理解最重要的故障类别。
- 为每种问题类型定义逐步的操作指南，包括RCA和修复步骤，以及智能体必须使用的NOC工具。
- 生成结构化的推理轨迹，捕捉多步工具调用及其背后的决策逻辑，并使用NeMo Skills参考工作流自动化轨迹和故障数据的生成。
NeMo Skills端到端地编排这个流水线，利用其CLI、vLLM或TensorRT LLM服务器以及训练工具，从原始故障数据过渡到微调后的电信推理模型。
合成故障数据与NOC工具调用
流水线的输入是一个完全合成的故障数据集，其建模于真实的NOC行为。每条记录包括区域、域、优先级、问题类型、可能原因和时间戳等字段。同时还包含工程师笔记（描述中间步骤）以及总结最终解决方案和关闭代码的结单备注。
故障摘要捕获了网络降级或中断的原因，是模型训练所要解决的核心问题。流水线集中在最频繁、高影响力的故障类型上，这些类型占据了故障总量的大部分并需要明确的行动。推理模型深入学习那些驱动MTTR和OPEX的案例。
为了模拟真实的NOC工作流，定义了一组自定义工具供智能体在多步流程中调用，例如：
- 确认并跟踪初始告警
- 检查站点和设备状态
- 执行远程操作（重启、解锁、启用）
- 监控自动恢复或告警清除
- 检查拓扑、电源和光纤，以及公开的中断信息
- 应用配置修复
- 当告警仍处于活动状态时重新检查告警状态
- 调查持续性或重复性告警
- 记录行动和状态更新
- 协调现场派遣或硬件更换
- 确认最终站点健康状态并关闭故障
针对每种问题类型，领域专家将现有工作流转化为映射到上述工具的分步指南。例如：首先查阅哪个分类工具包；查询哪些告警；何时重启设备；如何验证光纤切断、电源故障或网元问题。
这些指南成为模型将要学习的合成推理轨迹的蓝图。它们后续定义了NOC智能体在生产中执行闭环工作流时的动作空间。
将专家流程转化为推理轨迹
为了将专家NOC流程转化为电信专用推理模型的训练数据，遵循下面概述的三步NeMo Skills工作流。它将运行手册转化为结构化的多轮推理轨迹，供自治NOC智能体使用。
步骤1：生成结构化的动作序列
使用NeMo Skills的参考工作流，一个教师模型根据提示（包含故障字段和指南模板）为每个故障生成标准化的动作序列。这些步骤直接映射到NOC工具。
轨迹被格式化，使得每一步都记录动作、参数、工具调用和即时结果，形成NOC工作流的结构化视图。
步骤2：附加每步推理
第二轮为每个动作丰富推理文本，解释为何采取该步骤、使用哪些信号以及它如何影响下一个决策。这创建了一条推理链，反映了一位经验丰富的NOC工程师如何基于拓扑、告警和历史行为进行推理。
由于原始轨迹可能冗长或重复，一个压缩阶段会合并相关步骤，同时保留关键决策点，使序列对训练更高效。
步骤3：为多轮、工具调用模型格式化
使用NeMo Skills的另一个工作流，将格式化后的轨迹转换为Qwen兼容的格式，该格式编码了多轮对话式交互和工具调用动作。多轮分词模拟了真实的交互场景，其中智能体在推理、调用工具和解释工具响应之间交替进行，这对于部署ReAct风格的NOC智能体至关重要。
最终结果是一个课程式结构的数据集：较简单的案例和较短的轨迹出现在早期，而更复杂的多步故障出现在后期，从而在模型训练期间支持课程学习。
微调电信推理模型
微调阶段对编译好的推理数据集进行标准的训练/测试拆分，NeMo Skills负责数据准备，Qwen3 32B作为基础推理模型。NeMo Skills的prepare_data工具应用了一个电信专用的提示模板（noc_reasoning_sft）和Qwen分词器。这将训练拆分中的每条轨迹转换为一个监督式微调（SFT）样本，包含：
- 故障上下文和NOC信号
- 多步工具调用和中间结果
- 解释每个决策的推理轨迹
- 最终解决方案和故障摘要
由此生成一个包含SFT就绪样本的单一JSONL文件，用于电信推理模型。
为了提高学习效率，应用了课程学习，将样本从简单的单问题故障排序到更复杂的多步、多工具案例。这使得模型在处理长序列、多轮故障排查模式之前，能够先掌握核心的NOC行为。
多轮分词确保每个样本保留查询、工具调用、响应和后续行动的真实序列，而不是孤立的单轮提示。这些能力对于必须在长上下文中协调多个工具的下游ReAct风格智能体至关重要。
最终，在长序列长度和跨GPU的张量模型并行条件下，基于此电信推理课程对Qwen3-32B进行微调。检查点和实验跟踪允许团队迭代数据质量、课程设计和超参数。
成果是一个电信专用推理模型，它理解故障字段、关闭代码和NOC流程，并能在生产环境中可靠地驱动多工具、多轮的工具调用工作流。
评估故障摘要准确性与安全性
初始评估聚焦于故障摘要准确性：嵌入ReAct风格智能体并配有工具的模型，针对给定故障预测并执行正确修复路径的能力。
实验将微调后的电信推理模型与基线Qwen3-32B在留出的故障数据上进行比较，测量各问题类型和关闭代码类别的准确率、精确率和召回率。也可以在单一问题类型内分析故障摘要准确性，以凸显推理轨迹和课程学习带来的最大收益，从而为未来迭代合成数据生成和指南设计提供信息。多次迭代的评估显示，微调后的模型将准确率从大约20%提升到了60%。
除了故障摘要指标，还可以随时间引入额外的评估方法以进一步加固系统，包括：
- 使用LLM作为评判员的设置，评估推理轨迹的正确性、完整性和安全性。
- 使用LLM作为评判员评估最终结论和修复计划。
- 工具调用基准测试（如BFCLv3），衡量智能体对工具调用进行排序和解释的可靠性。
- 推演和拒绝采样，在许多模拟故障上对行为进行压力测试。
- 向轨迹中注入受控错误，教模型检测并恢复自身的错误。
- 结合检索增强生成（RAG） 与历史少样本示例，提高在长尾场景下的鲁棒性。
开始为自治网络构建电信推理模型
由合成数据、结构化轨迹和安全工具调用驱动的电信专用推理模型，能够推动NOC迈向零接触、自愈的运营。通过聚焦高影响力的关闭代码、将专家指南编码为多轮推理轨迹，并使用某机构 NeMo软件工具包微调大型模型，运营商可以构建出能够可靠承担真实NOC工程师任务的智能体。
该流水线是可重用且可适配的，因此这种方法可以根据每个运营商的工具、数据和策略进行定制。这加速了行业从人工告警处理向智能、自治网络运营的过渡。
要开始微调推理模型以构建用于网络运营的AI智能体，请参阅《教模型推理电信网络故障》一文。FINISHED
