文章主要内容总结本文针对电力营销客服领域现有系统（如中国95598热线）存在响应缓慢、流程僵化、领域准确性不足等问题，提出了首个用于评估和增强大型语言模型（LLMs）在该领域表现的基准——ElectriQ。ElectriQ的核心构成包括：对话数据集：涵盖6个关键服务类别的55万条高质量多轮对话，数据来源包括真实客服语音转录文本、知识问答数据及人工筛选的高优质样本；评估指标：定义了4个核心维度——专业性（领域知识准确性）、通俗性（专业术语转化为日常语言的能力）、可读性（逻辑与语法连贯性）、用户友好性（情感关怀与共情能力）；知识增强方法：构建电力营销知识库，通过“初始响应生成-关键词提取-知识库检索-增强响应生成”四步流程提升模型性能。实验对13个LLMs（如GPT-4o、Claude 3、LLama3-8b等）进行评估，结果显示：经过微调与知识增强后，小型模型（如LLama3-8b）在专业性和用户友好性等维度可超越GPT-4o等大型模型，验证了ElectriQ在推动电力营销领域专用LLMs开发中的有效性。文章创新点构建了首个电力营销对话数据集，并确立了4个评估LLMs客服响应能力的核心指标，填补了该领域缺乏标准化评估工具的空白；提出了基于电力营销领域的知识增强方法，通过整合领域知识库提升模型在专业场景中的表现，且该方法对不同规模模型均有效；对13个主流LLMs进行系统