OTel：为智能网络构建领域专用的电信基础模型

OTel（Open Telco）是一个开放的电信AI资源，提供检索、重排序、指令微调和安全/弃权数据集，以及30个全参数后训练的基线模型，涵盖嵌入、重排序和语言模型。截至2026年5月3日，模型下载量超1600万次，获157+媒体报道。OTel后训练显著提升三类模型性能：嵌入检索NDCG@10达93.5%，重排序MRR@10达0.952，语言模型正确率达88.2%。

前沿AI模型在电信专用任务上表现不佳，OTel提供了首个统一的开源电信AI资源，涵盖数据、模型和安全机制，并通过大量社区参与（超1600万次下载）验证了其可用性，推动了电信领域AI从通用向专用化发展。

OTel通过公开可复现的数据源、保留评估划分和后训练基线，构建了完整闭环。其数据涵盖检索、重排序、指令微调及安全/弃权，使模型能针对电信领域进行知识增强，从而在专用任务上超越通用模型。社区大量下载和媒体报道表明其资源具备实际使用价值，形成正向循环。

对电信AI产品，OTel提供了可直接使用的开源模型和数据集，可降低研发成本，加快嵌入检索、重排序和对话系统的开发。但需注意其数据许可和合规性，以及模型针对特定任务的优化效果，应用时需自行验证。

• 基于OTel的嵌入和重排序模型，构建电信领域的知识库问答或故障排查系统，提升检索准确率。
• 利用OTel的安全/弃权数据，为电信AI客服增加拒答机制，避免回答不确定或敏感信息。
• 将OTel作为基线，针对运营商具体场景进行领域微调，开发定制化电信助手。
• 参考OTel的数据组织方式，建立内部电信数据基准，用于评估和选型AI模型。

• OTel的数据集具体包含哪些电信细分领域？
• OTel模型的具体许可证类型是什么，是否允许商用？
• OTel在真实电信业务场景中的落地效果和稳定性如何？