---
title: "06:14 ET 用友網絡 AI 實驗室推出了一種框架，使企業 AI 決策過程變得可追溯和可審計"
type: "News"
locale: "zh-HK"
url: "https://longbridge.com/zh-HK/news/281504690.md"
description: "用友網絡人工智能實驗室推出了本體框架，旨在使企業人工智能決策可追溯和可審計。研究強調，企業人工智能中的問責危機源於架構問題，而非模型能力。本體框架將權力轉移至企業本體，確保每個決策都可追溯。與通用大型語言模型的基準測試顯示，受本體治理的模型 LOM-action 在合規性和準確性方面顯著優於其他模型。論文概述了在企業環境中有效部署該框架的四項原則"
datetime: "2026-04-02T10:15:43.000Z"
locales:
  - [zh-CN](https://longbridge.com/zh-CN/news/281504690.md)
  - [en](https://longbridge.com/en/news/281504690.md)
  - [zh-HK](https://longbridge.com/zh-HK/news/281504690.md)
---

# 06:14 ET 用友網絡 AI 實驗室推出了一種框架，使企業 AI 決策過程變得可追溯和可審計

/PRNewswire/ -- 用友人工智能實驗室發佈了一份預印本，介紹了 **本體工具**，這是一個旨在使企業人工智能決策完全可追溯、可驗證和可審計的框架。研究認為，企業人工智能中的問責危機並不是模型能力問題，而是架構問題，並提出了一個有實驗數據支持的具體解決方案。

**當出現問題時，沒人能解釋任何事情**

企業人工智能的部署面臨結構性問責缺口，準確性基準無法捕捉。當合規審查、費用審批或供應鏈路由中的人工智能驅動決策出現錯誤時，組織通常無法解釋決策是如何得出的，經過了什麼授權，或者是否可以重現。監管機構、審計師和內部管理層並不在乎結論是否正確。他們關心的是這個結論來自哪裏。

用友人工智能實驗室的立場是，答案不是部署一個更智能的模型，而是完全改變架構：一種使人工智能決策在每一步都根本可追溯的架構。本體工具就是這種架構。

**本體工具：** **從 “模型優先” 到 “本體優先”**

在傳統部署中，大模型擁有完全的推理權威，將企業本體視為可以諮詢或忽略的數據源。本體工具則顛倒了這一點。**企業本體（EO）** 成為治理權威，編碼每個實體、業務規則和授權邊界，而 **大本體模型（LOM）** 則作為將這一權威與實際業務任務結合的工具。每個推理步驟必須在本體授權的邊界內進行。每個決策都留下可驗證的痕跡。

核心流程是 **事件 → 模擬 → 決策**。每個進入的業務事件激活本體中預編碼的場景條件，這些條件驅動在隔離沙箱中的確定性圖形變更，從中演變出所有決策獨佔來源的場景有效子圖。即使繞過此模擬步驟產生的答案恰好正確，也沒有合規基礎，無法進行審計。

**為什麼通用 LLM 不足**

消費者人工智能在單階段合同下運作：在整個知識空間中找到最佳答案。企業人工智能需要一個 **雙階段合同**，不可逆轉：首先通過本體治理的模擬確定場景有效的決策集，然後在該集內找到最佳解決方案。第一階段是不可跳過的合規門。通用 LLM 將場景約束視為軟偏好，並在認為自己已經知道答案時跳過模擬。這不是模型缺陷，而是它們訓練方式的結果。將它們直接部署到具有審計要求的核心企業流程中，是在使用錯誤的架構。

**用數據驗證架構**

用友人工智能實驗室對其本體治理模型 **LOM-action** 進行了基準測試，比較了領先的通用 LLM 在一組企業圖形推理任務中的表現。研究引入了 **工具鏈 F1**，這是一個衡量模型是否真正遵循完整模擬流程的指標，而不是通過繞過流程獲得正確答案。答案准確性與工具鏈 F1 之間的差距被定義為 **虛幻準確性（IA）**：IA 越高，越多的 “正確答案” 是通過繞過架構獲得的，沒有審計基礎。

結果確認了決定性的架構優勢。LOM-action 實現了 93.82% 的準確率和 98.74% 的工具鏈 F1，而前沿模型的 F1 僅為 24-36%，儘管答案准確性相似，差距達到四倍。對 50 個前沿模型輸出的手動審查發現，47 個是純文本響應，根本沒有調用任何工具：模型從參數記憶中回答，恰好正確，並且沒有留下可驗證的痕跡。在最接近真實企業決策的場景模擬任務中，LOM-action 實現了 100% 的準確率，工具鏈 F1 為 98.7%，而前沿模型的準確率僅為 64-66%，F1 低於 35%。研究團隊建議工具鏈 F1 至少為 0.90，虛幻準確性不超過 0.30，作為對模擬敏感系統的部署準備閾值。

**生產部署的四項原則**

論文還概述了本體工具生產部署的四項工程原則：

1.  業務邏輯應在本體中，而不是代碼中。代碼實現的規則重複知識並創建不可審計的繞過路徑。
2.  所有上下文必須與本體對齊。進入推理流程的每個實體在任何模擬開始之前都必須映射到其規範本體代碼。
3.  在所有適用的流程任務中，應優先選擇經過本體微調的模型，而不是通用 LLM。一個經過訓練以強制執行模擬流程的小模型比一個將約束視為可選的大模型更值得信賴。
4.  本體架構和圖查詢邏輯必須通過審計接口保持人類可讀。這使得操作員能夠驗證哪些節點被匹配，哪些被修剪，以及從哪個圖狀態派生出決策。

完整的預印本可在以下網址獲取：https://www.preprints.org/manuscript/202604.0021

**關於用友人工智能實驗室**

用友人工智能實驗室是用友網絡科技股份有限公司的人工智能研究部門，專注於企業人工智能架構、本體驅動推理和可審計決策框架。

來源：用友

### 相關股票

- [600588.CN](https://longbridge.com/zh-HK/quote/600588.CN.md)

## 相關資訊與研究

- [【行業透視】善用 AI 重在定義問題與專業把關](https://longbridge.com/zh-HK/news/286681677.md)
- [遠傳股東會／總座井琪：放大 AI 綜效 不僅投資 AI 更投資員工能力](https://longbridge.com/zh-HK/news/286988951.md)
- [華爾街警惕人工智能基建舉債過猛 或埋下信用衝擊隱患](https://longbridge.com/zh-HK/news/286984634.md)
- [數發部發布 AI 產業人才認定指引 3.0 擴大生態系](https://longbridge.com/zh-HK/news/286858820.md)
- [企業擴大使用 AI 消除泡沫疑慮 長期投資科技股參與 AI 熱潮](https://longbridge.com/zh-HK/news/287023782.md)