美团LongCat Interaction团队近日发布了《WOWService大模型交互系统白皮书》，详细披露了其已在美团智能客服全面上线运行的技术细节。该系统通过“数据+知识双驱动”及四阶段训练体系，实现了智能客服在复杂业务场景下的多项关键指标提升，同时显著降低了训练成本。
白皮书指出，WOWService系统在复杂业务场景中，客服解决率提升了9%，用户满意度提升了12%。 值得关注的是，该系统仅需传统方案10%的标注数据即可达到相同的效果，训练成本节省了75%。
美团方面介绍，WOWService的核心框架包含“数据+知识双驱动”策略，将结构化业务规则与真实对话日志相结合进行训练，使得模型在SKU、促销、售后等知识点的准确率达到96%。 此外，系统还采用了多智能体协同机制，由主Agent负责任务分发，多个子Agent专精于退款、改地址、发票等具体场景，从而使平均响应时长下降27%。 同时，通过“自我优化闭环”，系统每日抽取线上高评分对话进行自动标注并回流训练，实现了“7天一小迭代”的快速优化。
该系统的四阶段训练流程包括：持续预训练，利用500亿token的领域语料让基座模型熟悉本地生活术语；有监督微调，以10%的标注数据实现传统100%标注效果；直接偏好优化（DPO），通过正负样本对校准“礼貌+高效”的对话风格；以及强化学习（RL），利用线上实时奖励（解决率+用户评分）自动对齐商业目标。
目前，WOWService已成功应用于美团外卖、到店、酒店、出行等六大业务线，覆盖数十个业务场景。 在大促高峰期间，系统能够承载超过8,000QPS的并发请求，整体客服人力节省18%，复杂场景一次性解决率达84%，表现显著优于原有基座模型。
美团LongCat Interaction团队计划在2026年第一季度开源轻量版本WOWService-Lite（参数量小于7B）及多智能体框架，以促进社区二次开发。同时，团队还将联合中国计算机学会发布“本地生活大模型Benchmark”，旨在推动行业标准化进程。
