工业大模型评测方法：领域能力维度与基准构建

围绕工业场景大模型选型评估，构建覆盖工艺理解、故障归因、SOP生成、合规问答四类任务的评测集。进展：完成首轮基线测试，覆盖7B~72B开源模型与商用API；工艺参数推理任务中开源72B模型准确率71.3%，与GPT-4差距缩至8个百分点。下一步将扩充真实工单与设备日志样本，并验证领域微调的性价比边界。