自然语言问题处理方法、电子设备及计算机可读存储介质与流程

本申请涉及大模型技术、计算机技术、人工智能，具体而言，涉及一种自然语言问题处理方法、电子设备及计算机可读存储介质。

背景技术：

1、大语言模型(large language model，llm)是一种基于深度学习的自然语言处理技术，能够生成高质量的文本，具有强大的语言理解和生成能力。大语言模型虽然在许多自然语言处理任务上取得了突破，但其推理和解决问题的能力仍远未达到人类水平，其中一个关键的挑战是如何避免推理错误。

2、目前，通过给定问题及对应的答案作为示例来引导模型输出正确答案，但是模型生成错误推理步骤的情况仍然很常见，进而会导致模型输出的最终结果出现错误。

3、针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

1、本申请实施例提供了一种自然语言问题处理方法、电子设备及计算机可读存储介质，以至少解决相关技术中通过给定问题及对应的答案作为示例来引导模型输出正确答案，仍会导致模型的推理步骤以及最终输出结果出现错误的技术问题。

2、根据本申请实施例的一个方面，提供了一种自然语言问题处理方法，包括：获取第一提示信息与目标问题，其中，第一提示信息用于通过为预设问题设置多个解释内容以得到预设问题对应的预设答案，多个解释内容中的至少部分解释内容对预设问题的解释方式不同；采用目标深度学习模型对第一提示信息与目标问题进行推理，得到目标答案，其中，目标深度学习模型用于在第一提示信息的引导下，确定目标问题的答复方式。

3、根据本申请实施例的一个方面，提供了一种自然语言问题处理方法，通过终端设备提供一图形用户界面，图形用户界面所显示的内容至少部分包含一问题解答场景，包括：响应对图形用户界面执行的第一控制操作，从多个候选答案推理模式中选取目标答案推理模式；响应对图形用户界面执行的第二控制操作，在目标答案推理模式下，输入预设应用场景关联的第一提示信息与目标问题；响应对图形用户界面执行的第三控制操作，采用目标深度学习模型对第一提示信息与目标问题进行推理，得到目标答案；在图形用户界面内展示目标答案。

4、根据本申请实施例的另一方面，还提供了一种自然语言问题处理方法，包括：获取第一提示信息与目标问题，其中，第一提示信息用于通过为预设问题设置多个解释内容以得到预设问题对应的预设答案，多个解释内容中的至少部分解释内容对预设问题的解释方式不同；基于第一提示信息引导大语言模型确定目标问题的答复方式；利用大语言模型按照答复方式输出目标问题相适配的目标答案。

5、根据本申请实施例的另一方面，还提供了一种自然语言问题处理方法，包括：获取法律服务提示信息与目标法律服务问题，其中，法律服务提示信息用于通过为预设法律服务问题设置多个法律服务解释内容以得到预设法律服务问题对应的预设法律服务答案，多个法律服务解释内容中的至少部分法律服务解释内容对预设法律服务问题的解释方式不同；采用法律服务大语言模型对法律服务提示信息与目标法律服务问题推理，得到目标法律服务问题相适配的目标法律服务答案，其中，法律服务大语言模型用于在法律服务提示信息的引导下，确定目标法律服务问题的答复方式。

6、根据本申请实施例的另一方面，还提供了一种电子设备，包括：存储器，存储有可执行程序；处理器，用于运行程序，其中，程序运行时执行任意一项上述的自然语言问题处理方法。

7、根据本申请实施例的另一方面，还提供了一种计算机可读存储介质，计算机可读存储介质包括存储的可执行程序，其中，在可执行程序运行时控制计算机可读存储介质所在设备执行任意一项上述的自然语言问题处理方法。

8、在本申请实施例中，通过获取第一提示信息与目标问题，然后通过第一提示信息中所表示的预设问题、正确的推理步骤、错误的推理步骤以及预设答案之间的关系对目标深度学习模型进行引导，从而使目标深度学习模型能够对目标问题进行正确推理，推理得到用于解答目标问题的正确的推理步骤以及正确的目标答案，由此达到了正确输出问题对应的答案的目的，从而实现了有效避免生成错误推理步骤，提高输出结果的正确性的技术效果，进而解决了相关技术中通过给定问题及对应的答案作为示例来引导模型输出正确答案，仍会导致模型的推理步骤以及最终输出结果出现错误的技术问题。

9、容易注意到的是，上面的通用描述和后面的详细描述仅仅是为了对本申请进行举例和解释，并不构成对本申请的限定。

技术特征：

1.一种自然语言问题处理方法，其特征在于，包括：

2.根据权利要求1所述的自然语言问题处理方法，其特征在于，所述多个解释内容包括：

3.根据权利要求2所述的自然语言问题处理方法，其特征在于，所述正确答案解释内容包括：正确答案关联的多个解释语句，所述错误答案解释内容通过对所述多个解释语句中至少部分解释语句进行改写，在所述至少部分解释语句中添加逻辑错误后得到。

4.根据权利要求1所述的自然语言问题处理方法，其特征在于，采用所述目标深度学习模型对所述第一提示信息与所述目标问题进行推理，得到所述目标答案包括：

5.根据权利要求1所述的自然语言问题处理方法，其特征在于，所述自然语言问题处理方法还包括：

6.根据权利要求5所述的自然语言问题处理方法，其特征在于，基于所述采样结果是否满足预设条件，确定所述目标答案的生成方式包括：

7.根据权利要求5所述的自然语言问题处理方法，其特征在于，基于所述采样结果是否满足预设条件，确定所述目标答案的生成方式包括：

8.根据权利要求5所述的自然语言问题处理方法，其特征在于，所述目标问题与所述预设问题的应用领域相同，且所述目标问题与所述预设问题的问题格式相同。

9.一种自然语言问题处理方法，其特征在于，通过终端设备提供一图形用户界面，所述图形用户界面所显示的内容至少部分包含一问题解答场景，所述自然语言问题处理方法包括：

10.一种自然语言问题处理方法，其特征在于，

11.一种自然语言问题处理方法，其特征在于，包括：

12.一种电子设备，其特征在于，包括：

13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的可执行程序，其中，在所述可执行程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至11中任意一项所述的自然语言问题处理方法。

技术总结
本申请公开了一种自然语言问题处理方法、电子设备及计算机可读存储介质，涉及大模型技术、计算机技术、人工智能技术领域。该方法包括：获取第一提示信息与目标问题，其中，第一提示信息用于通过为预设问题设置多个解释内容以得到预设问题对应的预设答案，多个解释内容中的至少部分解释内容对预设问题的解释方式不同；采用目标深度学习模型对第一提示信息与目标问题进行推理，得到目标答案，其中，目标深度学习模型用于在第一提示信息的引导下，确定目标问题的答复方式。本申请解决了相关技术中通过给定问题及对应的答案作为示例来引导模型输出正确答案，仍会导致模型的推理步骤以及最终输出结果出现错误的技术问题。

技术研发人员：谢耀赓,陈桂臻,刘安团,赛赞亚波利亚,邴立东
受保护的技术使用者：阿里巴巴达摩院（杭州）科技有限公司
技术研发日：
技术公布日：2024/3/27