大语言模型垂直领域多任务客观题评测集自动生成方法

    公开(公告)号:CN119227818A

    公开(公告)日:2024-12-31

    申请号:CN202411758966.1

    申请日:2024-12-03

    Abstract: 本发明提供一种大语言模型垂直领域多任务客观题评测集自动生成方法,涉及人工智能技术领域,方法包括:针对垂直领域的纯文本数据集中每一个文本,根据预设的多个任务类型,调用问题求解器对文本进行任务合适性判别,并在判别结果为合适时生成任务类型的至少一个初始客观题题干;针对初始客观题题干进行歧义检测,并调用问题求解器对存在歧义的所述初始客观题题干进行改写,得到改写客观题题干;最后调用问题求解器对每个改写客观题题干生成对应的客观题选项、客观题答案以及客观题答案解析,作为对应任务类型的客观题评测集。通过本申请,解决现有技术中大模型评测数据集构建过程耗时耗力、无法实现特定垂直领域评测数据集自动生成的问题。

    基于上下文信息的问题生成方法、装置、设备和介质

    公开(公告)号:CN118152529B

    公开(公告)日:2024-12-06

    申请号:CN202410223392.1

    申请日:2024-02-28

    Abstract: 本发明提供一种基于上下文信息的问题生成方法、装置、设备和介质,属于自然语言处理技术领域,其中方法包括:获取初始问题,以及初始问题对应的上下文信息;从预先构建的提示库中选取目标信息提取提示prompt,将目标信息提取prompt和上下文信息输入至第一大语言模型,得到第一大语言模型输出的上下文信息的关键信息;从提示库中选取目标问题进化prompt,将初始问题、关键信息和目标问题进化prompt输入至第二大语言模型,得到第二大语言模型输出的初始问题进化后的问题。本发明提供的基于上下文信息的问题生成方法、装置、设备和介质能够更有效地生成多样性强、规模大的问题数据集,灵活性和适应性强。

    基于上下文信息的问题生成方法、装置、设备和介质

    公开(公告)号:CN118152529A

    公开(公告)日:2024-06-07

    申请号:CN202410223392.1

    申请日:2024-02-28

    Abstract: 本发明提供一种基于上下文信息的问题生成方法、装置、设备和介质,属于自然语言处理技术领域,其中方法包括:获取初始问题,以及初始问题对应的上下文信息;从预先构建的提示库中选取目标信息提取提示prompt,将目标信息提取prompt和上下文信息输入至第一大语言模型,得到第一大语言模型输出的上下文信息的关键信息;从提示库中选取目标问题进化prompt,将初始问题、关键信息和目标问题进化prompt输入至第二大语言模型,得到第二大语言模型输出的初始问题进化后的问题。本发明提供的基于上下文信息的问题生成方法、装置、设备和介质能够更有效地生成多样性强、规模大的问题数据集,灵活性和适应性强。

    问答模型的优化方法及装置

    公开(公告)号:CN117992596A

    公开(公告)日:2024-05-07

    申请号:CN202410399310.9

    申请日:2024-04-03

    Abstract: 本发明涉及人工智能技术领域,提供了一种问答模型的优化方法及装置,该方法包括:将接口参数和数据库表按照预设模版进行信息扩充,得到问题集;问题集包括原始问题、原始问题对应的多个子问题和用于计算多个子问题的工具集,预设模版用于按照多个句法结构和占位符从目标数据库中提取问题集,目标数据库包含多种类型的问题和每种类型问题对应的关联问题;在相似度匹配模板中添加示例信息,得到提示模版;示例信息根据原始问题、与原始问题关联的至少一个问题、多个子问题、用于计算多个子问题的工具集和问题格式信息确定;根据提示模版对问答模型进行指令微调,得到优化后的问答模型。本发明所述方法提高了解决问题的效率和准确性。

    一种应用于多任务学习的策略模型训练方法、装置及设备

    公开(公告)号:CN115759179A

    公开(公告)日:2023-03-07

    申请号:CN202211443933.9

    申请日:2022-11-18

    Abstract: 本发明实施例涉及人工智能领域,公开了一种应用于多任务学习的策略模型训练方法、装置及设备。本发明实施例涉及的应用于多任务学习的策略模型训练方法包括:获取目标任务集;调用第一策略模型对每个目标任务进行训练,得到第二策略模型以及第一子训练结果;对所述第二策略模型依次进行第一参数调整,得到第三策略模型以及第二子训练结果;对所述第三策略模型依次进行第二参数调整,得到第四策略模型;确定所述第四策略模型为应用于多任务学习的策略模型。这样,策略模型在多任务学习中受到多任务间梯度差异的影响会减少,进而使任务间的训练进度更平均,提高训练效率。

    一种配置神经网络架构的方法、装置及设备

    公开(公告)号:CN114861870A

    公开(公告)日:2022-08-05

    申请号:CN202210372773.7

    申请日:2022-04-11

    Inventor: 徐波 唐伟 徐博

    Abstract: 本发明公开了一种配置神经网络架构的方法、装置及设备,其中,所述方法包括:接入待训练神经网络的决策问题;根据所述决策问题,得到所述决策问题的第一环境;将所述决策问题与所述第一环境进行封装,得到封装后的第二环境;接入所述待训练神经网络;根据所述第二环境以及所述待训练神经网络,接入架构算法;将所述第二环境、所述待训练神经网络以及所述架构算法进行适配,生成轨迹数据属性;根据所述轨迹数据属性对所述待训练神经网络进行优化,得到配置架构后的待训练神经网络。通过上述方式,本发明提高了神经网络架构配置的通用性和扩展性。

    一种资源分配方法、装置及设备

    公开(公告)号:CN114727407A

    公开(公告)日:2022-07-08

    申请号:CN202210515110.6

    申请日:2022-05-12

    Inventor: 徐波 成芳娟 徐博

    Abstract: 本发明公开了一种资源分配方法、装置及设备,涉及人工智能技术领域,其中,所述方法包括:获取至少两个虚拟对象以及所述至少两个虚拟对象分别对应的态势信息;根据所述态势信息,创建至少两个分配节点,所述至少两个分配节点的数量大于或等于所述至少两个虚拟对象的数量;在所述至少两个分配节点中,逐一对所述至少两个虚拟对象进行资源分配,直到所述至少两个虚拟对象资源分配完成,得到联合分配动作;将所述联合分配动作输入到环境中,得到资源分配结果。通过上述方式,本发明实现了虚拟对象间无协商无通信的情况下完成资源的最优分配。

    一种自动化软件测试方法、装置及设备

    公开(公告)号:CN114706790A

    公开(公告)日:2022-07-05

    申请号:CN202210515156.8

    申请日:2022-05-12

    Inventor: 徐博 崔小平 徐波

    Abstract: 本申请实施例涉及计算机领域,公开了一种自动化软件测试方法、装置及设备。本申请实施例涉及的软件测试方法包括:获取项目测试需求;依据项目测试需求调用预设在项目关系库中相对应的项目关系信息,得到目标项目关系信息,依据每个目标项目关系调用预设在触发规则库中与相应目标项目关系对应的触发规则,得到目标触发规则;根据目标触发规则进行软件测试。这样,一方面,触发规则库中存入多种触发规则,并通过预设的项目关系库中项目关系信息,可以实现同一个触发器在不同场景对于不同触发规则的调用,提高了触发器对多应用场景的兼容性;第二方面,通过预设建立项目与触发规则标识的联系,实现对触发规则的数据化驱动,从而减少人工维护成本。

    一种测试方法、装置及设备

    公开(公告)号:CN114610648A

    公开(公告)日:2022-06-10

    申请号:CN202210402749.3

    申请日:2022-04-18

    Inventor: 徐博 崔小平 徐波

    Abstract: 本申请实施例涉及计算机领域,公开了一种测试方法、装置及设备。本申请实施例涉及的测试方法包括:获取至少一个测试需求,分别依据每个测试需求得到至少一个目标测试方案;获取至少一个算法信息,分别依据每个算法信息得到至少一个目标决策指标规则;依据每个目标测试方案以及所述算法信息对应的目标决策指标规则进行测试得到至少一个测试报告;分析至少一个测试报告,得到目标测试报告。这样,在面对新的测试模型或者测试模型的应用场景发生改变时,无需单独对测试模型进行测试规划,只需从相应的数据库中调用相应的测试方案或者决策指标规则来满足测试需求即可。因此提高了测试方法的灵活性,由于减少了人工参与,提升了测试效率。

Patent Agency Ranking