使用由通用模型生成的训练数据的特定任务机器学习操作的制作方法

背景技术：

1、各种系统可以部署机器学习模型以与输入查询交互。通常，这些模型在针对特定任务或领域的大型数据集或人工注释的数据集上进行训练。获得足够大的数据集或人工注释的数据集可能既耗时又昂贵，这可能会延迟模型的部署。此外，使用针对特定应用的通用模型可能会导致较差的结果，当预期的用户查询特定于模型可能无法充分训练的特定领域时，这种情况可能会加剧。

技术实现思路

技术特征：

1.一种系统，包括：

2.如权利要求1所述的系统，其中所述第一模型是零样本模型。

3.如权利要求1所述的系统，其中所述一个或更多个参数至少部分地包括所述一个或更多个类的自然语言描述。

4.如权利要求1所述的系统，其中所述第二模型至少部分地与所述第一模型并行操作。

5.如权利要求1所述的系统，其中所述一个或更多个处理器进一步用于：

6.如权利要求5所述的系统，其中在达到所述阈值之后所述第一模型停止接收所述一个或更多个第一查询。

7.如权利要求1所述的系统，其中所述一个或更多个处理器进一步用于：

8.如权利要求1所述的系统，其中所述第二模型至少部分地与所述第一模型的操作并行地被训练。

9.如权利要求1所述的系统，其中所述相应响应包括对应于所述一个或更多个类的相应标签。

10.一种方法，包括：

11.如权利要求10所述的方法，其中所述类参数至少包括分类器的一个或更多个类的自然语言描述。

12.如权利要求10所述的方法，还包括：

13.如权利要求12所述的方法，还包括：

14.如权利要求10所述的方法，其中对所述查询的响应对应于标签，所述方法还包括：

15.如权利要求10所述的方法，还包括：

16.如权利要求10所述的方法，还包括：

17.一种系统，包括：

18.如权利要求17所述的系统，其中所述查询接口将查询引导至所述第一模型和所述第二模型两者。

19.如权利要求18所述的系统，还包括：

20.如权利要求17所述的系统，其中所述第二模型是零样本模型。

21.如权利要求17所述的系统，其中所述系统被包括在以下至少一项中：

技术总结
本申请涉及使用由通用模型生成的训练数据的特定任务机器学习操作。系统和方法提供了通过使用来自不同机器学习模型的查询/响应对作为训练数据来开发和部署机器学习模型的流水线。建立一组模型参数，并且经训练的机器学习模型提供对输入查询的响应，以开发查询/响应对。这些查询/响应对可用于训练不同的机器学习模型。该模型可以针对原始模型进行测试以确定它们是否一致，并且当模型一致时，可以将不同的机器学习模型部署为系统的主要模型。

技术研发人员：R·利里,J·科恩
受保护的技术使用者：辉达公司
技术研发日：
技术公布日：2024/1/15