6 октября 2026 г.
ИИ-агента для сетевых сбоев можно дообучить: у NVIDIA есть рецепт на Qwen3-32B
Открытую модель можно обучить выбирать способ устранения сетевого сбоя на примерах собственных инцидентов.
В учебном рецепте NVIDIA от 27 февраля Qwen3-32B после дообучения выбирает верное решение для 19 из 21 синтетического инцидента вместо 17.
Базовая модель давала 81,0% правильных ответов. После обучения NVIDIA ожидает 90,5% на том же учебном наборе. Рецепт готовит ИИ-агента для центра эксплуатации сети: он разбирает инцидент и выбирает способ устранения. Для подготовки обучающих примеров используется gpt-oss-120b, которая генерирует рассуждения к решениям.
Рецепт под свои данные. Нужно клонировать репозиторий `NVIDIA-NeMo/Skills`, установить пакет командой `pip install .`, перейти в `recipes/noc-reasoning-agent` и выполнить `ns setup`. Скрипты, конфиги и пример данных уже включены. Собственные инциденты подставляются вместо `data/synthetic_incidents.csv` с сохранением схемы колонок.
Полный цикл подготовки данных, обучения и оценки требует 8 NVIDIA A100 или новее и занимает несколько часов. Для запуска нужны Docker, NVIDIA Container Toolkit и Python 3.10+.
Готовая отраслевая модель. Ещё 28 февраля NVIDIA представила 30-миллиардную Nemotron LTM, которую AdaptKey дообучила на открытых telecom-данных, включая отраслевые стандарты и синтетические логи. AdaptKey-Nemotron-30b доступна на Hugging Face. Для скачивания нужно принять условия и согласиться передать контактные данные.
AdaptKey использовала LoRA-дообучение на 1,3 млн отраслевых примеров. В карточке модели на 6 октября компания приводит свои замеры через TeleFlow:
| Модель | Суммарный балл TeleFlow | | --- | ---: | | Базовая Nemotron-3-Nano-30B-A3B | 538 | | AdaptKey-Nemotron-30b после дообучения | 596 |
Прирост составил 10,8% по суммарному баллу этого набора задач. Карточка содержит примеры запуска через Transformers и vLLM, а также Docker Compose с API на порту 8090.
Операторы используют открытые модели и для собственных разработок. Раджив Кудли из SoftBank описывает Large Telecom Model на основе Nemotron и других моделей для эксплуатации, проектирования и управления сетями. Чираг Сукхадия из Indosat Ooredoo Hutchison приводит другой сценарий: семейство Sahabat-AI адаптирует модели к языку, культуре и местным приложениям Индонезии.
Первоисточники: [NVIDIA о стратегии операторов, 6 октября 2026 года](https://blogs.nvidia.com/blog/telecom-operators-open-models/), [карточка AdaptKey-Nemotron-30b с замерами и примерами запуска](https://huggingface.co/AdaptKey/AdaptKey-Nemotron-30b).
В отчёте State of AI in Telecommunications, который NVIDIA цитирует 6 октября, 89% респондентов считают открытые модели и ПО важными для ИИ-стратегии своей компании.
Первоисточник