公开(公告)号：CN119988559A

公开(公告)日：2025-05-13

申请号：CN202510111040.1

申请日：2025-01-23

Applicant: 科大讯飞股份有限公司

Inventor： 杜倩云 ,  沙晶 ,  郭欣欣 ,  王士进 ,  刘聪 ,  胡国平

IPC: G06F16/3329 ,  G16H20/70 ,  G06F16/334

Abstract: 本申请提出一种基于心理咨询的问答方法、装置、设备和计算机程序产品，该方法能够根据咨询对象的第一问题描述语句，从案例数据库存储的多个问题描述语句中检索与第一问题描述语句关联的第二问题描述语句。通过学习第二问题描述语句和第二问题描述语句对应的第二咨询规划方案，生成第一问题描述语句对应的第一咨询规划方案，以便于根据第一咨询规划方案生成与咨询对象的心理干预对话。如此能够通过学习与咨询对象关联的案例自动生成心理咨询对话，实现自动进行心理咨询问答，用户即使不与专业的心理咨询师进行互动交流也可以得到专业的心理干预，能够覆盖到广大有需求的人群。

公开(公告)号：CN119831799A

公开(公告)日：2025-04-15

申请号：CN202411940906.1

申请日：2024-12-26

Applicant: 科大讯飞股份有限公司

Inventor： 王士进 ,  李嵩峰 ,  徐留扣 ,  丁亮 ,  沙晶 ,  盛志超 ,  胡国平

IPC: G06Q50/20 ,  G06N5/022 ,  G06F16/903

Abstract: 本申请公开了一种学习情况诊断方法、系统和相关装置，该方法包括：获取目标查询信息，从目标数据库中获取与所述目标查询信息匹配的多个参考信息；基于多个所述参考信息之间的关联关系，生成与所述目标查询信息匹配的参考诊断提问，获取所述参考诊断提问匹配的答复信息；基于所述答复信息，获取与所述目标查询信息匹配的学情诊断结果。通过上述方式，本申请能够提升学习情况诊断的效果和准确性。

公开(公告)号：CN119808962A

公开(公告)日：2025-04-11

申请号：CN202510247222.1

申请日：2025-03-04

Applicant: 科大讯飞股份有限公司

Inventor： 王士进 ,  凌超 ,  李松 ,  沙晶 ,  刘聪 ,  盛志超 ,  胡国平

IPC: G06N5/04 ,  G06N5/01

Abstract: 本申请提出一种生成问题答案的方法、电子设备及计算机程序产品，应用于人工智能技术领域，该方法包括：响应于输入的待答复问题，确定表征辅学场景下思考过程的多个答复规则；所述答复规则为针对问题进行答复时，需要遵循的规则；对多个答复规则进行不同排序，基于不同排序结果模拟不同思考过程，并从中选择最优思考过程下生成的答复内容作为所述待答复问题的答案；其中，所述思考过程下生成的答复内容，是基于所述思考过程包含的各个答复规则各自对应的答复内容而生成的。本申请设计表征辅学场景下思考过程的多个答复规则，组合不同答复规则顺序，使得答复过程能够体现人类思考过程。相比于根据模型参数直接生成答案，提升了智能化水平。

公开(公告)号：CN119621974A

公开(公告)日：2025-03-14

申请号：CN202510171697.7

申请日：2025-02-17

Applicant: 科大讯飞股份有限公司

Inventor： 王士进 ,  吴金泽 ,  丁亮 ,  沙晶 ,  盛志超 ,  刘聪 ,  胡国平

IPC: G06F16/35 ,  G06N5/04 ,  G06N3/0499

Abstract: 本申请公开了一种试题标签预测方法、装置、存储介质及设备，该方法包括：首先获取待预测的目标试题文本；然后利用目标试题文本结合第一prompt，输入至标签预测模型，并在模型解码推理过程中，利用评分模型对解码推理步骤进行优化，预测得到目标试题文本的标签预测效果。由于本申请是先基于过程化推理模式，利用样本试题文本及其对应的标签标注结果，对初始大语言模型进行训练得到了训练后的大语言模型，再基于过程化偏好学习的方式进行模型微调生成了标签预测模型，有效提升了标签预测模型的预测精度和效率，还根据样本评分数据利用损失函数训练生成了评分模型，对标签预测模型的解码推理步骤进行逐步优化，从而提高了目标试题文本的标签预测精度。

公开(公告)号：CN118134300A

公开(公告)日：2024-06-04

申请号：CN202311759464.6

申请日：2023-12-19

Applicant: 科大讯飞股份有限公司

Inventor： 李嵩峰 ,  丁亮 ,  沙晶 ,  盛志超 ,  王士进 ,  刘聪 ,  胡国平

IPC: G06Q10/0639 ,  G06Q50/20 ,  G06F18/241

Abstract: 本申请公开了一种学情分析方法及相关装置、设备和存储介质，其中，学情分析方法包括：获取受试对象的等级分和目标题目的难度分；其中，等级分表征受试对象的学习水平；基于受试对象的等级分和目标题目的难度分，得到受试对象回答目标题目的预测得分率，并获取受试对象回答目标题目的真实得分率；至少基于预测得分率和真实得分率，更新等级分、难度分中至少一者。上述方案，能够提高对受试对象进行学情分析的准确度。

公开(公告)号：CN118035510A

公开(公告)日：2024-05-14

申请号：CN202311829410.2

申请日：2023-12-26

Applicant: 科大讯飞股份有限公司

Inventor： 李习习 ,  沙晶 ,  盛志超 ,  王士进 ,  刘聪 ,  胡国平

IPC: G06F16/9035 ,  G06Q50/20 ,  G06N20/00 ,  G09B7/02

Abstract: 本申请提出一种试题推荐方法、装置、电子设备及存储介质，该方法包括：利用预先训练的标签预测模型，预测得到试题对应的标签信息；其中，试题包括：原始试题和试题库中的候选试题；基于试题对应的标签信息，确定试题的语义特征；根据原始试题的语义特征和候选试题的语义特征之间的特征相似度，从所有候选试题中，选取推荐试题；标签预测模型，是利用携带真实标签信息的第一样本试题，以预测标签信息与真实标签信息相同为目标，对大语言模型进行标签预测训练得到的。本方案利用大语言模型预测试题的标签信息，从而确定试题的语义特征，并基于原始试题与候选试题之间的语义特征相似度，选取推荐试题，提高了试题推荐的效率。

公开(公告)号：CN117876171A

公开(公告)日：2024-04-12

申请号：CN202311872722.1

申请日：2023-12-29

Applicant: 科大讯飞股份有限公司

Inventor： 邵期翔 ,  丁亮 ,  沙晶 ,  王士进

IPC: G06Q50/20 ,  G06F18/214 ,  G06F18/2415

Abstract: 本发明提供一种试题难度评分模型的训练方法、试题难度评分方法及装置，其中训练方法包括：基于初始难度评分模型，对各试题进行特征提取，基于特征提取所得的试题文本特征进行评分，得到各试题的预测难度评分；基于各试题的预测难度评分，以及各试题之间的难度偏序关系，对初始难度评分模型进行训练，得到试题难度评分模型，克服了目前模型训练效果依赖于标注数据，而标注数据的主观性极强，不确定性较大，模型训练效果不佳，泛化性能较差的缺陷，通过训练后的答题模型能够实现试题难度评分效率和评分准确率的提升，并可以为后续评分任务和试题推荐任务提供强有力支撑。

公开(公告)号：CN117786105A

公开(公告)日：2024-03-29

申请号：CN202311718567.8

申请日：2023-12-13

Applicant: 科大讯飞股份有限公司

Inventor： 詹文超 ,  沙晶 ,  盛志超 ,  王士进

IPC: G06F16/35 ,  G06F16/33 ,  G06F16/332 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明提供一种答题评分模型训练、答题评分方法、装置、设备和介质，所述训练方法包括：将试题文本以及试题文本对应的作答文本输入至答案生成模型，得到答案生成模型输出的试题文本对应的多个标准答案文本，多个标准答案文本中存在与作答文本解题思路一致的目标答案文本，且各标准答案文本对应的解题思路不同；以各标准答案文本以及作答文本作为输入，以目标答案文本以及作答文本的实际评分作为标签，对初始模型进行训练，得到答题评分模型。本发明以各标准答案文本以及所述作答文本作为输入，以目标答案文本以及作答文本的实际评分作为标签训练得到的答题评分模型能够实现针对不同解题思路的作答文本进行准确评分。

公开(公告)号：CN117668211A

公开(公告)日：2024-03-08

申请号：CN202311794114.3

申请日：2023-12-22

Applicant: 科大讯飞股份有限公司

Inventor： 关桑海 ,  丁亮 ,  沙晶 ,  盛志超 ,  王士进

IPC: G06F16/335 ,  G06F16/33 ,  G06N3/0455 ,  G06N3/0895

Abstract: 本发明涉及人工智能技术领域，提供一种试题推荐方法、系统、电子设备及存储介质，该方法通过用户提供的试题描述信息进行试题推荐，可以应对模糊的和描述式的检索需求，可以大大提升实用性。而且，该方法利用试题描述信息的向量化表示，以及试题向量库中各候选试题的向量化表示，实现推荐试题的确定，该过程不需要借助于专家工程构建标签体系，也不需要人工进行标注工作，可以自动精准地挖掘出与用户的试题描述信息相匹配的推荐试题，推荐过程无需人工参与，在避免人工参与影响试题推荐可靠性的同时，全自动完成推荐流程，省时省力，有助于提高试题推荐的准确率、可靠性、合理性以及推荐效率。

公开(公告)号：CN117407501A

公开(公告)日：2024-01-16

申请号：CN202311378502.3

申请日：2023-10-23

Applicant: 科大讯飞股份有限公司

Inventor： 丁亮 ,  沙晶 ,  盛志超 ,  王士进 ,  刘聪 ,  胡国平

IPC: G06F16/332 ,  G06N5/04 ,  G06N3/0455 ,  G06N3/08

Abstract: 本申请提供了一种对话数据生成方法、模型训练方法及相关装置，该方法包括：获取对话属性信息，所述对话属性信息至少包括对话角色、对话场景、对话流程阶段和对话目标；根据所述对话属性信息，生成任务指令；将所述任务指令输入预训练的大语言模型，以使所述大语言模型按照所述任务指令生成对话数据。根据本申请的技术方案，不仅能够实现对话数据自动生成，提高对话数据生成效率，满足对对话数据的数据量需求，还可以保证生成的对话数据的质量，且能够适应多领域、多场景的对话数据生成，灵活性高。