本技术涉及自然语言处理,尤其涉及一种错因解析生成方法、装置、存储介质及设备。
背景技术:
1、随着人工智能、物联网等信息技术的快速发展,人机交互的应用场景越来越广泛。各式各样的大语言模型(large language model,简称llm)出现在人们的生活工作中,如聊天生成预训练转换器(chat generative pre-trained transformer,简称chatgpt)、智能音箱、智能电视等,可以为人们提供数据分析等众多应用场景的智能交互功能,以辅助用户完成各种行为意图。
2、目前,在利用大语言模型llm生成错因解析时,通常采用的方式是直接设计提示指令(prompt),将问题题目、标准作答和学生作答一起输入给大语言模型llm,然后通过任务描述,让模型一次性生成错因解析,然而这样对模型能力的要求非常高,往往很难生成精确的错误分析以及修正指导意见,降低了用户的交互体验。
技术实现思路
1、本技术实施例的主要目的在于提供一种错因解析方法、装置、存储介质及设备,能够提高错因解析结果的生成效率和准确率,进而提高用户的交互体验。
2、本技术实施例提供了一种错因解析生成方法,包括:
3、获取待解析的目标作答文本;并确定所述目标作答文本对应的目标问题题目文本和标准作答文本;
4、基于预先构建的所述目标问题题目文本的题目信息和解题思路集合,对所述目标作答文本进行作答分析,生成所述目标作答文本对应的目标作答信息;所述解题思路集合是基于所述目标问题题目文本和标准作答文本预先迭代生成的;
5、将所述目标作答信息、标准作答信息和所述题目信息,结合第一提示指令prompt,输入至预设的大语言模型,得到大语言模型输出的针对所述目标作答文本的错因解析结果;所述标准作答信息是基于所述题目信息和标准作答文本预先分析生成的。
6、一种可能的实现方式中,所述目标问题题目文本的题目信息的生成方式如下:
7、利用第一预设提示指令和大语言模型llm,根据所述目标问题题目文本和标准作答文本,生成题目解析以及标准解题思路;
8、利用第二预设提示指令和大语言模型llm,根据所述标准解题思路,迭代生成候选解题思路集合;
9、利用所述大语言模型llm对所述候选解题思路集合中不同的解题思路进行排序,并从排序结果中选出满足预设条件的k个解题思路,构成解题思路集合;并利用所述解题思路集合、所述目标问题题目文本和所述题目解析,构成所述目标问题题目文本的题目信息;所述k为大于0的正整数;
10、其中,所述大语言模型llm是利用大规模的语言数据集,通过自回归生成的方式进行语言规则和模式训练得到的。
11、一种可能的实现方式中,所述利用第二预设提示指令和大语言模型llm,根据所述标准解题思路,迭代生成候选解题思路集合,包括:
12、利用第二预设提示指令和大语言模型llm,根据所述标准解题思路,生成候选解题思路;
13、计算所述候选解题思路与所述标准解题思路的相似度,并判断所述相似度是否低于预设阈值,若是,则将所述候选解题思路和所述标准解题思路构成初始候选解题思路集合;
14、重复利用第二预设提示指令和大语言模型llm,根据所述标准解题思路,生成更新后的候选解题思路,并根据所述更新后的候选解题思路与初始候选解题思路集合中所有解题思路之间的相似度计算结果,迭代更新候选解题思路集合中的解题思路。
15、一种可能的实现方式中,所述相似度为文本相似度;所述预设阈值为0.4。
16、一种可能的实现方式中,所述标准作答信息的生成方式如下:
17、利用第三预设提示指令和大语言模型llm,根据所述目标问题题目文本的题目信息和标准解题思路,对所述标准作答文本进行作答分析,生成所述标准作答文本对应的标准作答分析结果;并利用所述标准作答分析结果、所述标准作答文本和所述标准解题思路,构成所述标准作答信息。
18、一种可能的实现方式中,所述基于预先构建的所述目标问题题目文本的题目信息和解题思路集合,对所述目标作答文本进行作答分析,生成所述目标作答文本对应的目标作答信息,包括:
19、利用第二提示指令prompt和大语言模型llm,根据所述目标问题题目文本的题目信息和目标作答文本,从所述解题思路集合中筛选出最匹配的解题思路及其序号;
20、根据所述目标问题题目文本的题目信息和最匹配的解题思路及其序号,对所述目标作答文本进行作答分析,生成所述目标作答文本对应的目标作答分析结果;并利用所述目标作答分析结果、所述目标作答文本和所述最匹配的解题思路,构成所述目标作答文本对应的目标作答信息。
21、一种可能的实现方式中,所述将所述目标作答信息、标准作答信息和所述题目信息,结合第一提示指令prompt,输入至预设的大语言模型,得到大语言模型输出的针对所述目标作答文本的错因解析结果,包括:
22、从所述题目信息中删除所述解题思路集合,得到更新后的题目信息,并将所述更新后的题目信息、所述目标作答信息和标准作答信息,结合第一提示指令prompt,输入至预设的大语言模型,得到大语言模型输出的针对所述目标作答文本的错因解析结果。
23、本技术实施例还提供了一种错因解析生成装置,包括:
24、获取单元,用于获取待解析的目标作答文本;并确定所述目标作答文本对应的目标问题题目文本和标准作答文本;
25、第一生成单元,用于基于预先构建的所述目标问题题目文本的题目信息和解题思路集合,对所述目标作答文本进行作答分析,生成所述目标作答文本对应的目标作答信息;所述解题思路集合是基于所述目标问题题目文本和标准作答文本预先迭代生成的;
26、输入单元,用于将所述目标作答信息、标准作答信息和所述题目信息,结合第一提示指令prompt,输入至预设的大语言模型,得到大语言模型输出的针对所述目标作答文本的错因解析结果;所述标准作答信息是基于所述题目信息和标准作答文本预先分析生成的。
27、一种可能的实现方式中,所述装置还包括:
28、第二生成单元,用于利用第一预设提示指令和大语言模型llm,根据所述目标问题题目文本和标准作答文本,生成题目解析以及标准解题思路;
29、第三生成单元,用于利用第二预设提示指令和大语言模型llm,根据所述标准解题思路,迭代生成候选解题思路集合;
30、构成单元,用于利用所述大语言模型llm对所述候选解题思路集合中不同的解题思路进行排序,并从排序结果中选出满足预设条件的k个解题思路,构成解题思路集合;并利用所述解题思路集合、所述目标问题题目文本和所述题目解析,构成所述目标问题题目文本的题目信息;所述k为大于0的正整数;
31、其中,所述大语言模型llm是利用大规模的语言数据集,通过自回归生成的方式进行语言规则和模式训练得到的。
32、一种可能的实现方式中,所述第三生成单元包括:
33、第一生成子单元,用于利用第二预设提示指令和大语言模型llm,根据所述标准解题思路,生成候选解题思路;
34、计算子单元,用于计算所述候选解题思路与所述标准解题思路的相似度,并判断所述相似度是否低于预设阈值,若是,则将所述候选解题思路和所述标准解题思路构成初始候选解题思路集合;
35、更新子单元,用于重复利用第二预设提示指令和大语言模型llm,根据所述标准解题思路,生成更新后的候选解题思路,并根据所述更新后的候选解题思路与初始候选解题思路集合中所有解题思路之间的相似度计算结果,迭代更新候选解题思路集合中的解题思路。
36、一种可能的实现方式中,所述相似度为文本相似度;所述预设阈值为0.4。
37、一种可能的实现方式中,所述装置还包括:
38、第四生成单元,用于利用第三预设提示指令和大语言模型llm,根据所述目标问题题目文本的题目信息和标准解题思路,对所述标准作答文本进行作答分析,生成所述标准作答文本对应的标准作答分析结果;并利用所述标准作答分析结果、所述标准作答文本和所述标准解题思路,构成所述标准作答信息。
39、一种可能的实现方式中,所述第一生成单元包括:
40、筛选子单元,用于利用第二提示指令prompt和大语言模型llm,根据所述目标问题题目文本的题目信息和目标作答文本,从所述解题思路集合中筛选出最匹配的解题思路及其序号;
41、第二生成子单元,用于根据所述目标问题题目文本的题目信息和最匹配的解题思路及其序号,对所述目标作答文本进行作答分析,生成所述目标作答文本对应的目标作答分析结果;并利用所述目标作答分析结果、所述目标作答文本和所述最匹配的解题思路,构成所述目标作答文本对应的目标作答信息。
42、一种可能的实现方式中,所述输入单元具体用于:
43、从所述题目信息中删除所述解题思路集合,得到更新后的题目信息,并将所述更新后的题目信息、所述目标作答信息和标准作答信息,结合第一提示指令prompt,输入至预设的大语言模型,得到大语言模型输出的针对所述目标作答文本的错因解析结果。
44、本技术实施例还提供了一种错因解析生成设备,包括:处理器、存储器、系统总线;
45、所述处理器以及所述存储器通过所述系统总线相连;
46、所述存储器用于存储一个或多个程序,所述一个或多个程序包括指令,所述指令当被所述处理器执行时使所述处理器执行上述错因解析生成方法中的任意一种实现方式。
47、本技术实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在终端设备上运行时,使得所述终端设备执行上述错因解析生成方法中的任意一种实现方式。
48、本技术实施例还提供了一种计算机程序产品,所述计算机程序产品在终端设备上运行时,使得所述终端设备执行上述错因解析生成方法中的任意一种实现方式。
49、本技术实施例提供的一种错因解析生成方法、装置、存储介质及设备,首先获取待解析的目标作答文本;并确定目标作答文本对应的目标问题题目文本和标准作答文本;然后基于预先构建的目标问题题目文本的题目信息和解题思路集合,对目标作答文本进行作答分析,生成目标作答文本对应的目标作答信息;其中,解题思路集合是基于目标问题题目文本和标准作答文本预先迭代生成的;接着,将目标作答信息、标准作答信息和所述题目信息,结合第一提示指令prompt,输入至预设的大语言模型,得到大语言模型输出的针对目标作答文本的错因解析结果;其中,标准作答信息是基于题目信息和标准作答文本预先分析生成的。
50、可见,由于本技术是先离线生成了目标问题题目文本的题目信息和标准作答信息以及迭代生成了解题思路集合,再基于这些数据,在线生成目标作答文本进行的错因解析,不仅缓解了现有一题多解所带来的问题,提高了错因解析生成结果的准确率,而且通过这种在线和离线分开处理的解耦方式,也能大幅度提高错因解析结果的生成效率,进而提高了用户的交互体验。