-
公开(公告)号：CN117875367A
公开(公告)日：2024-04-12
申请号：CN202311755886.6
申请日：2023-12-19
Applicant: 鹏城实验室
IPC: G06N3/045 , G06N3/0985 , G06N3/09 , G06N5/04
Abstract: 本申请实施例提供文本生成方法、装置、设备和存储介质，涉及人工智能技术领域。该方法获取训练文本集以及模型参数，将文本样本输入初始大语言模型进行文本预测，利用模型参数进行前向传播，得到预测文本；基于预测文本得到损失函数，计算损失函数对于模型参数的梯度值，利用衰减参数和梯度值更新动量参数，以及利用学习率、权重衰减率和更新后的动量参数更新权重参数，多次迭代权重参数直至得到目标大语言模型；再见获取的待处理文本输入目标大语言模型得到目标生成文本。在训练过程中利用动量参数作为中间状态参数，减少中间状态参数，降低显存占用，提升处理器的资源利用率，降低大语言模型的训练成本，进而扩展大语言模型的适用范围。
-
公开(公告)号：CN119659657B
公开(公告)日：2025-04-29
申请号：CN202510199602.2
申请日：2025-02-24
Applicant: 鹏城实验室
Abstract: 本申请实施例提出的车辆驾驶控制方法、装置、电子设备及存储介质，方法包括：首先，获取车辆在行驶过程中当前时刻的图像信息和导航信息；其次，基于图像信息进行轨迹预测处理得到预测轨迹，并基于预测轨迹得到第一控制决策；然后，基于导航信息和预测轨迹进行多步控制处理，得到第二控制决策，并基于第一控制决策和第二控制决策组合得到初步控制决策；接下来，将图像信息输入碰撞修正模型进行数据处理，得到安全控制决策，并基于安全控制决策和初步控制决策进行整合处理，得到目标控制决策；最后，基于目标控制决策对车辆进行驾驶控制，可以提高预定路线的控制可靠性以及运行控制安全性。
-
公开(公告)号：CN119312911A
公开(公告)日：2025-01-14
申请号：CN202411140750.9
申请日：2024-08-19
Applicant: 鹏城实验室
Abstract: 本申请实施例提供博弈对抗竞赛平台控制方法、装置、设备和存储介质，涉及人工智能技术领域。通过响应于接收到的竞赛配置参数，基于预设的参数配置模板生成博弈对抗竞赛执行单元，接收参赛用户上传的候选智能体，并对候选智能体进行校验，将校验通过的候选智能体作为竞赛智能体，根据竞赛配置参数中的赛制参数生成不同的竞赛智能体之间的对局信息，获取竞赛智能体根据对局信息进行博弈对抗得到的竞赛结果。对博弈对抗竞赛进行封装，通过交互得到不同的竞赛配置参数，实现通用的博弈对抗竞赛的创建过程，能够根据实际的对抗需求进行竞赛的实际调度，提升了博弈对抗竞赛的生成效率，并且适用于不同用户端的博弈对抗。
-
公开(公告)号：CN119166765A
公开(公告)日：2024-12-20
申请号：CN202411132478.X
申请日：2024-08-16
Applicant: 鹏城实验室
IPC: G06F16/332 , G06Q50/06
Abstract: 本申请公开了一种电力知识问答方法、装置、电子设备及可读存储介质，涉及智能问答技术领域，本申请的方法由于目标电力知识文本是基于第二拼接文本得到，而第二拼接文本由电力知识提问语句与目标电力细分领域类型进行拼接得到，因此目标电力知识文本与电力知识提问语句具有较强的相关性。由于答案文本是大型语言模型基于第三拼接文本得到，而第三拼接文本由预设的解答提示词、电力知识提问语句与目标电力知识文本进行拼接得到，因此，在大型语言模型处理过程中，目标电力知识文本作为先验知识，使得大型语言模型输出的答案文本与电力知识提问语句具有较高的相关性，并使得答案文本具有较高的准确性。
-
公开(公告)号：CN119158248A
公开(公告)日：2024-12-20
申请号：CN202411237695.5
申请日：2024-09-04
Applicant: 鹏城实验室
Abstract: 本申请实施例提供了一种智能体博弈方法、装置、计算机设备及可读存储介质。包括：响应于针对目标博弈环境的博弈触发操作，确定当前目标博弈环境下博弈代理智能体的调用顺序；获取目标博弈环境当前的博弈状态，根据博弈状态生成对应博弈代理智能体的博弈动作调用信息；确定每个博弈代理智能体关联的资源代理端，通过资源代理端将博弈动作调用信息发送至对应的博弈代理智能体，并获取其返回的博弈动作信息；将资源代理端接收的博弈动作信息通过连接接口反馈至目标博弈环境中，并根据目标博弈环境下的多个博弈动作信息形成博弈对局信息；基于博弈对局信息在目标博弈环境中进行智能体博弈。以此，能够提高系统在智能体博弈时的稳定性和可靠性。
-
Patent Agency Ranking
公开(公告)号：CN119129699A
公开(公告)日：2024-12-13
申请号：CN202411196157.6
申请日：2024-08-28
Applicant: 鹏城实验室
Abstract: 本发明提供了一种博弈对局的仿真方法，该方法包括获取预置的通用交互范式数据，通用交互范式数据包含多种博弈类型的仿真环境下的交互控制逻辑；获取预置的统一接口集合，统一接口集合包含用于与多种博弈类型的仿真环境交互的接口函数；基于统一接口集合匹配生成目标博弈环境对应的仿真环境适配器；通过仿真环境适配器创建目标博弈环境对应的博弈环境实例，并创建至少一个智能体对象；按照通用交互范式数据控制至少一个智能体对象通过博弈环境实例进行博弈对局交互，以使得博弈仿真系统可以集成各种仿真环境，从而有效提高博弈仿真系统的泛化能力和灵活性。
-
公开(公告)号：CN117973469A
公开(公告)日：2024-05-03
申请号：CN202410053158.9
申请日：2024-01-12
Applicant: 鹏城实验室
Abstract: 本申请涉及人工智能技术领域，特别涉及基于文本生成模型的优化器量化方法、装置以及控制器。优化器量化方法包括读取优化器的文本输入张量，文本输入张量为第一位宽的浮点数据；确定文本输入张量的梯度信息并对梯度信息分块处理，得到多个独立块，根据归一化常数对独立块进行量化处理，得到独立块的量化结果，量化结果为第二位宽的整数数据；将量化结果进行优化预处理，得到优化量化结果，将优化量化结果作为第一优化器状态；对第一优化器状态进行反量化处理，得到第二优化器状态，并更新优化器；对第二优化器状态进行量化处理以回到第一优化器状态，存储独立块的优化量化结果，有利于降低文本生成模型中优化器的显存占用，提高显卡的利用率。
-
公开(公告)号：CN118537507B
公开(公告)日：2024-11-26
申请号：CN202410606649.1
申请日：2024-05-15
Applicant: 鹏城实验室
Abstract: 本申请公开一种图像渲染方法与相关方法、装置、设备及存储介质。方法包括：获取目标空间中的目标位置；在目标空间对应的空间坐标系下确定目标位置对应的空间位置坐标；基于目标空间对应的坐标映射关系对空间位置坐标进行坐标系转换，得到目标位置在目标空间对应的感知坐标系下的目标旋转矩阵和目标转移矩阵；通过目标渲染模型根据目标旋转矩阵和目标转移矩阵进行图像渲染，得到目标位置对应的目标渲染图像。该方法在获取目标位置对应的空间位置坐标时，可以基于坐标映射关系实现坐标系的转换，使得目标渲染模型能够根据空间位置坐标在感知坐标系下的目标旋转矩阵和目标转移矩阵准确地进行图像渲染，提高场景感知的准确性。
-
公开(公告)号：CN118642068A
公开(公告)日：2024-09-13
申请号：CN202410602125.5
申请日：2024-05-15
Applicant: 鹏城实验室
IPC: G01S7/48 , G01S17/06 , G01S17/93 , G06T17/00 , G06V10/762 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种基于神经辐射场模型的动态决策方法及其装置，所述方法包括以下步骤：通过激光雷达采集目标点云信息，并根据目标点云信息确定障碍物的物体位置信息；获取目标物在世界坐标下的目标坐标信息，并通过训练后的目标神经辐射场模型构建目标坐标信息对应的目标三维场景图；确定物体位置信息在世界坐标下的物体坐标信息，并根据物体坐标信息在目标三维场景图中生成障碍物的坐标信息，得到重构图像；根据重构图像和目标物的前进方向，生成动态决策结果。根据重构图像和目标物的前进方向，生成动态决策结果，通过实时监测障碍物在三维场景中的坐标信息，能实时地判断障碍物与目标物的位置关系，提高动态决策结果的准确性和实时性。
-
公开(公告)号：CN119672499B
公开(公告)日：2025-05-06
申请号：CN202510180760.3
申请日：2025-02-19
Applicant: 鹏城实验室
IPC: G06V10/82 , G06V10/80 , G06V10/764 , G06V10/96 , G06N3/0455 , G06N3/084
Abstract: 本申请实施例公开了一种视觉决策模型训练方法及相关方法、装置、设备及介质。视觉决策模型包括编码子模型和决策子模型，通过获取图像数据和视觉事件数据，将图像数据和视觉事件数据输入到编码子模型中，输出融合特征；将融合特征输入到决策子模型中，输出目标动作和目标动作对应的评价值；根据图像数据、视觉事件数据和融合特征确定出编码子模型对应的第一损失；根据目标动作和评价值确定出决策子模型对应的第二损失；根据第一损失对编码子模型进行迭代训练，得到训练后的编码子模型；根据第二损失对决策子模型进行迭代训练，得到训练后的决策子模型；训练后的视觉决策模型包括训练后的编码子模型和训练后的决策子模型。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.025 seconds)
