-
公开(公告)号：CN119988914A
公开(公告)日：2025-05-13
申请号：CN202510481116.X
申请日：2025-04-17
Applicant: 暨南大学
IPC: G06F18/21 , G06N20/00 , G06N5/04 , G06F16/953
Abstract: 本发明涉及机器学习技术领域，特别是涉及一种基于动态数据评估的大语言模型能力评估方法及系统，方法包括：获取用户输入的题目，并从所述题目中提取核心知识点和主旨内容；基于所述核心知识点和主旨内容，利用预训练的大语言模型进行联网检索，生成与所述题目相关的知识详述；基于所述核心知识点、主旨内容和知识详述，生成评估题目；对所述评估题目进行难度调控和优化，获取最终评估题目；对所述最终评估题目进行多维度能力评估和质量检测，获取评估结果，完成大语言模型的能力评估。本发明能够确保评估数据的质量和一致性，提升LLMs能力评估的可靠性与公平性。
-
公开(公告)号：CN116524545A
公开(公告)日：2023-08-01
申请号：CN202310790558.3
申请日：2023-06-30
Applicant: 暨南大学 , 郑州大学第一附属医院
IPC: G06V40/10 , G06N3/045 , G06V10/774 , G06V10/82 , G06V20/40
Abstract: 本发明提供了一种基于人工智能的胚胎分级方法，获取胚胎培育过程中的视频，根据设置的时间节点从视频中抽取帧，建立帧和相对时间的关系，所述相对时间为抽取的帧在所述视频中的时间减去所述视频的第一帧的时间；构建与所述时间节点对应的ViT网络，对每个时间节点对应的ViT网络进行训练，得到训练后的ViT网络；将抽取的帧分别作为对应的ViT网络的输入，得到不同时间节点的class token、每个分级对应的概率；对时间节点编码，将时间编码结果和对应的class token相加，作为Transformer的输入，将Transformer的输出作为整个视频每个分级的概率；根据不同时间节点的每个分级对应的概率、整个视频每个分级的概率得到胚胎分级结果。本发明提高了对胚胎进行分级的准确性。
-
公开(公告)号：CN119940466A
公开(公告)日：2025-05-06
申请号：CN202510015889.9
申请日：2025-01-06
Applicant: 暨南大学
Abstract: 本发明公开了一种提高小型大语言模型高级算术能力的数据处理方法，包括：构造指令数据集并进行数据标准化处理；使用指令数据集中不同数量的算式表达式数据微调小型LLM中，微调后的小型LLM在算术测试集上测评，获取分数最高的模型使用的算式表达式数据量；采用分数最高的模型使用的算式表达式数据量的算式表达式数据与不同数量的自然语言处理数据微调小型LLM，获取平均分数最高的模型使用的自然语言处理数据量；采用获取分数最高的模型使用的算式表达式数据量的算式表达式数据、获取平均分数最高的模型使用的自然语言处理数据量的自然语言处理数据和不同数量的数学应用数据微调小型LLM，获取平均分数最高的模型使用的数学应用数据量。
-
公开(公告)号：CN119938936A
公开(公告)日：2025-05-06
申请号：CN202510035899.9
申请日：2025-01-09
Applicant: 暨南大学
IPC: G06F16/36 , G06N5/022 , G06F16/35 , G06F18/2415 , G06F18/2431 , G06F18/27 , G06N3/045 , G06N3/096
Abstract: 本发明公开了一种面向跨领域知识迁移的知识追踪方法及系统，包括：构建学生学习行为表征知识库，基于在学生学习行为表征知识库中提取的问题级别感知的高维向量表征与联合问题‑答案交互表征获得知识状态向量；构建自回归信息处理模块对知识状态向量进行优化，获得优化知识状态向量；基于两层非线性全连接网络构建学生答题预测模块，将优化知识状态向量输入至学生答题预测模块，获得学生答题预测结果，实现知识追踪。本发明通过生成具有域适应性的表征知识库，模型可以将数据丰富领域的知识迁移到数据稀缺的领域，解决现有方法在数据稀缺领域的性能问题；通过自适应知识状态提取网络模块减少了对具体超参数选择的敏感度，大幅度节约资源算力。
-
公开(公告)号：CN119830032A
公开(公告)日：2025-04-15
申请号：CN202510046723.3
申请日：2025-01-13
Applicant: 暨南大学
IPC: G06F18/22 , G06Q50/20 , G06N3/047 , G06N3/048 , G06N3/0499
Abstract: 本发明涉及知识追踪技术领域，特别是涉及一种基于锥形注意力和核偏置的知识追踪冷启动方法，包括：获取目标学生的答题记录信息；将答题记录信息输入预设的知识追踪模型中，预测目标学生的下一答题情况，其中，知识追踪模型基于训练集训练获得，训练集包括若干学生的答题记录信息；知识追踪模型用于对答题记录信息进行嵌入表示后，采用锥形注意力对嵌入表示进行空间映射，再对锥形注意力的输出进行核偏置衰减处理，并通过处理后的嵌入表示进行知识状态增强，进而预测出下一次的答题情况。本发明利用锥形注意力机制并引入核偏置捕捉知识点间的层次关系，能够在冷启动场景短序列数据条件下提供更准确的知识状态预测。
-
Patent Agency Ranking
公开(公告)号：CN116524545B
公开(公告)日：2023-09-15
申请号：CN202310790558.3
申请日：2023-06-30
Applicant: 暨南大学 , 郑州大学第一附属医院
IPC: G06V40/10 , G06N3/045 , G06V10/774 , G06V10/82 , G06V20/40
Abstract: 本发明提供了一种基于人工智能的胚胎分级方法，获取胚胎培育过程中的视频，根据设置的时间节点从视频中抽取帧，建立帧和相对时间的关系，所述相对时间为抽取的帧在所述视频中的时间减去所述视频的第一帧的时间；构建与所述时间节点对应的ViT网络，对每个时间节点对应的ViT网络进行训练，得到训练后的ViT网络；将抽取的帧分别作为对应的ViT网络的输入，得到不同时间节点的class token、每个分级对应的概率；对时间节点编码，将时间编码结果和对应的class token相加，作为Transformer的输入，将Transformer的输出作为整个视频每个分级的概率；根据不同时间节点的每个分级对应的概率、整个视频每个分级的概率得到胚胎分级结果。本发明提高了对胚胎进行分级的准确性。
-
公开(公告)号：CN119938896A
公开(公告)日：2025-05-06
申请号：CN202510015918.1
申请日：2025-01-06
Applicant: 暨南大学
IPC: G06F16/335 , G06N5/022 , G06N3/09 , G06Q50/20
Abstract: 本发明公开了一种利用大语言模型自动生成教案的方法与系统，涉及人工智能技术领域，方法包括：提取和组织教育领域的知识，构建教案知识库；根据所述教案知识库对大语言模型进行优化，获得优化后的大语言模型；获取目标信息，根据所述目标信息在教案知识库中检索匹配的教材内容和教案示例，分模块提供给优化后的大语言模型，生成符合实际教学需求的教案。本发明结合结构化的知识，提高大语言模型生成教案的准确性和相关性，帮助教师提高备课效率。
-
公开(公告)号：CN117744783A
公开(公告)日：2024-03-22
申请号：CN202410126412.3
申请日：2024-01-29
Applicant: 暨南大学
IPC: G06N5/022 , G06N3/042 , G06N3/0455 , G06N3/08 , G06Q50/20
Abstract: 本发明公开了一种基于人在回路的知识追踪方法及系统，包括以下步骤：基于学生的题目集，构建知识追踪模型，基于所述知识追踪模型，预测学生的表现；计算所述知识追踪模型对于每个预测结果的置信度分数；对于置信度分数低于预设阈值的样本，进行人工教师二次批改，实现知识追踪。本发明所提出的方法可以通过对学生做题序列信息进行建模，并提升知识追踪模型和人工教师的联合预测结果的准确率，所提出的系统能够促进知识追踪模型在教育应用中的部署。
-
公开(公告)号：CN119884785A
公开(公告)日：2025-04-25
申请号：CN202510046728.6
申请日：2025-01-13
Applicant: 暨南大学
IPC: G06F18/22 , G06Q50/20 , G06F18/213 , G06N3/047 , G06N3/0499 , G06N3/048
Abstract: 本发明公开了一种面向超长学生答题序列的知识追踪方法和系统，属于知识追踪技术领域，包括：获取学生答题序列，对所述学生答题序列进行嵌入计算，得到多维度特征向量；通过庞加莱半球空间注意力机制对多维度特征向量进行计算，得到相似度注意力分数；获取多维度特征向量的欧式空间注意力分数，通过线性补偿系数的注意力机制分别对相似度注意力分数和欧式空间注意力分数进行计算，得到补偿注意力分数；根据所述补偿注意力分数和多头聚合注意力机制中的值向量，得到隐含输出；根据隐含输出进行预测，得到学生答题预测情况；通过上述技术方案本发明能够捕捉学生的长期的知识状态变化情况，对学生的知识学习过程进行更加全面、准确的跟踪。
-
公开(公告)号：CN119830033A
公开(公告)日：2025-04-15
申请号：CN202510046737.5
申请日：2025-01-13
Applicant: 暨南大学
IPC: G06F18/22 , G06Q50/20 , G06N5/022 , G06F18/213 , G06N3/047 , G06N3/048 , G06N3/0499
Abstract: 本发明属于知识追踪技术领域，公开了一种支持动态上下文的知识追踪方法及系统，方法包括：基于学生的题目集，构建支持动态上下文长度的知识追踪模型；基于所述支持动态上下文长度的知识追踪模型，获得最终学生答题的预测结果。本发明通过问题编码器和答案编码器，将学生历史答题序列映射为高维特征嵌入，生成问题级别感知向量和联合问题‑答案交互表征。基于方向性惩罚函数矩阵对注意力得分矩阵进行动态调整，增强模型对上下文长度动态变化的适应能力。利用多头自注意力机制与缩放点积注意力，从学生交互数据中提取时间敏感性和上下文依赖的知识状态。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.016 seconds)
