欧美在线观看视频网站,亚洲熟妇色自偷自拍另类,啪啪伊人网,中文字幕第13亚洲另类,中文成人久久久久影院免费观看 ,精品人妻人人做人人爽,亚洲a视频

高效智能的大模型提示詞工程方法及系統(tǒng)與流程

文檔序號(hào):40550943發(fā)布日期:2025-01-03 11:10閱讀:13來源:國知局
高效智能的大模型提示詞工程方法及系統(tǒng)與流程

本發(fā)明屬于人工智能,特別是一種高效智能的大模型提示詞工程方法及系統(tǒng)。


背景技術(shù):

1、隨著人工智能技術(shù)的快速發(fā)展,尤其是在自然語言處理領(lǐng)域,大模型(如gpt、bert等)的廣泛應(yīng)用使得人們能夠在多種場景下實(shí)現(xiàn)人與機(jī)器之間的高效交互。提示詞工程是指為大模型設(shè)計(jì)和優(yōu)化輸入提示,以最大限度地發(fā)揮其生成能力和上下文理解能力。有效的提示詞能夠幫助大模型更準(zhǔn)確地理解用戶意圖,從而生成高質(zhì)量的輸出結(jié)果。然而,如何有效地利用這些強(qiáng)大的大模型,特別是在提示詞的構(gòu)建上,仍然是一個(gè)具有挑戰(zhàn)性的研究課題。


技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是提供一種高效智能的大模型提示詞工程方法及系統(tǒng),以解決現(xiàn)有技術(shù)中的不足,能夠針對用戶的任務(wù)需求,實(shí)現(xiàn)對提示詞集合的智能化生成與優(yōu)化,提高提示詞構(gòu)建的效率與質(zhì)量,為大模型的實(shí)際應(yīng)用提供更為靈活的支持。

2、本申請的一個(gè)實(shí)施例提供了一種高效智能的大模型提示詞工程方法,所述方法包括:

3、接收用戶輸入的用于與大模型交互的任務(wù)需求,基于所述任務(wù)需求生成一組初始提示詞集合,其中,每個(gè)初始提示詞與任務(wù)的特征維度關(guān)聯(lián);

4、對初始提示詞集合進(jìn)行特征映射,構(gòu)建提示詞特征向量集合,將提示詞特征向量集合中的特征向量分解為若干子特征向量,以捕獲提示詞的不同特性,其中,每個(gè)特征向量表示對應(yīng)初始提示詞的多維特征屬性;

5、利用并行優(yōu)化算法對所述子特征向量進(jìn)行多目標(biāo)優(yōu)化,生成優(yōu)化提示詞集合,其中,所述并行優(yōu)化算法通過多線程并行優(yōu)化各個(gè)預(yù)設(shè)目標(biāo);

6、對所述優(yōu)化提示詞集合進(jìn)行語義一致性和生成多樣性篩選,確定若干條最終提示詞,作為對應(yīng)任務(wù)需求的大模型輸入。

7、可選的,所述接收用戶輸入的用于與大模型交互的任務(wù)需求,基于所述任務(wù)需求生成一組初始提示詞集合,包括:

8、獲取任務(wù)需求的特征描述,將所述特征描述量化為目標(biāo)特征向量;

9、從外部語料庫中選擇與任務(wù)需求領(lǐng)域相關(guān)的文本片段,建立初始語料庫;

10、基于所述初始語料庫,提取與所述目標(biāo)特征向量相關(guān)的語料集合;

11、將所述語料集合的語義信息編碼成潛在空間,生成與潛在空間相關(guān)的潛在語義向量;

12、將所述潛在語義向量進(jìn)行解碼,利用所述潛在空間,生成一組初始提示詞集合,確保每個(gè)初始提示詞具有多樣化的語義表現(xiàn);

13、計(jì)算每個(gè)初始提示詞與所述目標(biāo)特征向量的余弦相似度,并利用tf-idf計(jì)算每個(gè)初始提示詞在所述語料集合中的重要性;

14、根據(jù)所述余弦相似度和所述重要性,篩選得到最終的初始提示詞集合。

15、可選的,所述對初始提示詞集合進(jìn)行特征映射,構(gòu)建提示詞特征向量集合,將提示詞特征向量集合中的特征向量分解為若干子特征向量,包括:

16、對最終的初始提示詞集合中的每個(gè)提示詞進(jìn)行上下文感知編碼,生成初始的高維特征向量集合,作為提示詞特征向量集合,其中,每個(gè)高維特征向量捕獲了每個(gè)提示詞的深層語義和上下文信息;

17、將所述高維特征向量集合構(gòu)成特征矩陣,其中,所述特征矩陣的每行表示一個(gè)提示詞的向量;

18、將所述特征矩陣分解為兩個(gè)子矩陣,其中,所述子矩陣包括特征基矩陣和系數(shù)矩陣,每個(gè)子矩陣捕捉提示詞特征的不同方面;

19、對兩個(gè)子矩陣進(jìn)行協(xié)同分析,提取每個(gè)提示詞在不同特征維度上的具體表示,得到子特征向量集合;

20、對所述子特征向量集合中的每個(gè)子特征向量進(jìn)行稀疏化處理,得到稀疏化的子特征向量。

21、可選的,所述對所述優(yōu)化提示詞集合進(jìn)行語義一致性和生成多樣性篩選,確定若干條最終提示詞,包括:

22、對所述優(yōu)化提示詞集合中的每個(gè)提示詞進(jìn)行語義向量化處理,生成對應(yīng)的語義向量;

23、計(jì)算所述語義向量與任務(wù)需求對應(yīng)的特征向量之間的語義相似度;

24、篩選所述語義相似度高于預(yù)設(shè)閾值的語義向量對應(yīng)的提示詞,以使篩選的提示詞在語義上與任務(wù)需求一致,得到語義一致提示詞集合;

25、對所述語義一致提示詞集合中的提示詞的語義向量進(jìn)行聚類,以使各個(gè)聚類中心能夠代表不同的語義領(lǐng)域;

26、選取每個(gè)聚類中與中心距離小于預(yù)設(shè)距離的提示詞,作為代表性提示詞。

27、本申請的又一實(shí)施例提供了一種高效智能的大模型提示詞工程系統(tǒng),所述系統(tǒng)包括:

28、接收模塊,用于接收用戶輸入的用于與大模型交互的任務(wù)需求,基于所述任務(wù)需求生成一組初始提示詞集合,其中,每個(gè)初始提示詞與任務(wù)的特征維度關(guān)聯(lián);

29、分解模塊,用于對初始提示詞集合進(jìn)行特征映射,構(gòu)建提示詞特征向量集合,將提示詞特征向量集合中的特征向量分解為若干子特征向量,以捕獲提示詞的不同特性,其中,每個(gè)特征向量表示對應(yīng)初始提示詞的多維特征屬性;

30、優(yōu)化模塊,用于利用并行優(yōu)化算法對所述子特征向量進(jìn)行多目標(biāo)優(yōu)化,生成優(yōu)化提示詞集合,其中,所述并行優(yōu)化算法通過多線程并行優(yōu)化各個(gè)預(yù)設(shè)目標(biāo);

31、篩選模塊,用于對所述優(yōu)化提示詞集合進(jìn)行語義一致性和生成多樣性篩選,確定若干條最終提示詞,作為對應(yīng)任務(wù)需求的大模型輸入。

32、本申請的又一實(shí)施例提供了一種存儲(chǔ)介質(zhì),所述存儲(chǔ)介質(zhì)中存儲(chǔ)有計(jì)算機(jī)程序,其中,所述計(jì)算機(jī)程序被設(shè)置為運(yùn)行時(shí)執(zhí)行上述任一項(xiàng)中所述的方法。

33、本申請的又一實(shí)施例提供了一種電子設(shè)備,包括存儲(chǔ)器和處理器,所述存儲(chǔ)器中存儲(chǔ)有計(jì)算機(jī)程序,所述處理器被設(shè)置為運(yùn)行所述計(jì)算機(jī)程序以執(zhí)行上述任一項(xiàng)中所述的方法。

34、與現(xiàn)有技術(shù)相比,本發(fā)明提供的一種高效智能的大模型提示詞工程方法,接收用戶輸入的用于與大模型交互的任務(wù)需求,基于所述任務(wù)需求生成一組初始提示詞集合;對初始提示詞集合進(jìn)行特征映射,構(gòu)建提示詞特征向量集合,將提示詞特征向量集合中的特征向量分解為若干子特征向量,以捕獲提示詞的不同特性;利用并行優(yōu)化算法對所述子特征向量進(jìn)行多目標(biāo)優(yōu)化,生成優(yōu)化提示詞集合;對所述優(yōu)化提示詞集合進(jìn)行語義一致性和生成多樣性篩選,確定若干條最終提示詞,作為對應(yīng)任務(wù)需求的大模型輸入,從而能夠針對用戶的任務(wù)需求,實(shí)現(xiàn)對提示詞集合的智能化生成與優(yōu)化,提高提示詞構(gòu)建的效率與質(zhì)量,為大模型的實(shí)際應(yīng)用提供更為靈活的支持。



技術(shù)特征:

1.一種高效智能的大模型提示詞工程方法,其特征在于,所述方法包括:

2.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述接收用戶輸入的用于與大模型交互的任務(wù)需求,基于所述任務(wù)需求生成一組初始提示詞集合,包括:

3.根據(jù)權(quán)利要求2所述的方法,其特征在于,所述對初始提示詞集合進(jìn)行特征映射,構(gòu)建提示詞特征向量集合,將提示詞特征向量集合中的特征向量分解為若干子特征向量,包括:

4.根據(jù)權(quán)利要求3所述的方法,其特征在于,所述對所述優(yōu)化提示詞集合進(jìn)行語義一致性和生成多樣性篩選,確定若干條最終提示詞,包括:

5.一種高效智能的大模型提示詞工程系統(tǒng),其特征在于,所述系統(tǒng)包括:

6.根據(jù)權(quán)利要求5所述的系統(tǒng),其特征在于,所述接收模塊,具體用于:

7.根據(jù)權(quán)利要求6所述的系統(tǒng),其特征在于,所述分解模塊,具體用于:

8.根據(jù)權(quán)利要求7所述的系統(tǒng),其特征在于,所述篩選模塊,具體用于:

9.一種存儲(chǔ)介質(zhì),其特征在于,所述存儲(chǔ)介質(zhì)中存儲(chǔ)有計(jì)算機(jī)程序,其中,所述計(jì)算機(jī)程序被設(shè)置為運(yùn)行時(shí)執(zhí)行權(quán)利要求1-4中任一項(xiàng)所述的方法。

10.一種電子設(shè)備,包括存儲(chǔ)器和處理器,其特征在于,所述存儲(chǔ)器中存儲(chǔ)有計(jì)算機(jī)程序,所述處理器被設(shè)置為運(yùn)行所述計(jì)算機(jī)程序以執(zhí)行權(quán)利要求1-4中任一項(xiàng)所述的方法。


技術(shù)總結(jié)
本發(fā)明公開了一種高效智能的大模型提示詞工程方法及系統(tǒng),方法包括:接收用戶輸入的用于與大模型交互的任務(wù)需求,基于所述任務(wù)需求生成一組初始提示詞集合;對初始提示詞集合進(jìn)行特征映射,構(gòu)建提示詞特征向量集合,將提示詞特征向量集合中的特征向量分解為若干子特征向量,以捕獲提示詞的不同特性;利用并行優(yōu)化算法對所述子特征向量進(jìn)行多目標(biāo)優(yōu)化,生成優(yōu)化提示詞集合;對所述優(yōu)化提示詞集合進(jìn)行語義一致性和生成多樣性篩選,確定若干條最終提示詞,作為對應(yīng)任務(wù)需求的大模型輸入。利用本發(fā)明實(shí)施例,能夠針對用戶的任務(wù)需求,實(shí)現(xiàn)對提示詞集合的智能化生成與優(yōu)化,提高提示詞構(gòu)建的效率與質(zhì)量,為大模型的實(shí)際應(yīng)用提供更為靈活的支持。

技術(shù)研發(fā)人員:萬俊,唐金全,吳冰清,章強(qiáng),李磊峰
受保護(hù)的技術(shù)使用者:廣州中長康達(dá)信息技術(shù)有限公司
技術(shù)研發(fā)日:
技術(shù)公布日:2025/1/2
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會(huì)獲得點(diǎn)贊!
1
沂源县| 杨浦区| 天津市| 万年县| 印江| 泾源县| 巴里| 申扎县| 龙游县| 丹巴县| 波密县| 赤壁市| 社旗县| 湘潭市| 龙游县| 余江县| 威宁| 曲周县| 长岛县| 巴彦县| 玛多县| 铜山县| 商城县| 万载县| 永顺县| 海南省| 莱阳市| 沙河市| 浪卡子县| 惠州市| 固阳县| 渝中区| 灵丘县| 景洪市| 怀宁县| 呼伦贝尔市| 彩票| 孟连| 黄石市| 双鸭山市| 黄冈市|