大语言模型的引导信息生成方法、装置及电子设备与流程

本申请涉及人工智能，具体涉及一种大语言模型的引导信息生成方法、装置及电子设备。

背景技术：

1、大语言模型（large language model，llm）是指使用大量文本数据训练的深度学习模型，可以理解语言文本的语义或生成自然语言文本。引导信息是一种提供给大语言模型的文本，可用于引导大语言模型完成特定的任务，例如，在和大语言模型对话时，可利用引导信息指导大语言模型给出更加精准的回答。

2、目前，不同的大语言模型对引导信息有不同的要求，技术人员需要针对不同的大语言模型手动编写其适配的引导信息，编写过程繁琐，导致编写大语言模型的引导信息的效率低下。

技术实现思路

1、本申请实施例提供一种大语言模型的引导信息生成方法、装置及电子设备，可以提升大语言模型的引导信息的编写效率。

2、本申请实施例提供一种大语言模型的引导信息生成方法，该方法包括：

3、获取待处理任务的基础描述信息，所述基础描述信息包括执行所述待处理任务所需的必要信息；

4、利用所述基础描述信息预测辅助描述信息，所述辅助描述信息包括辅助执行所述待处理任务的信息；

5、响应于针对所述辅助描述信息的确认指令，获取所述待处理任务匹配的目标模型和引导模板，所述引导模板为所述目标模型适配的引导信息的模板；

6、融合所述基础描述信息、所述辅助描述信息以及所述引导模板的语义，预测多个候选引导信息以及每个所述候选引导信息对应的质量参数；

7、根据每个所述候选引导信息对应的质量参数，从所述多个候选引导信息中确定目标引导信息，以便所述目标模型按照所述目标引导信息执行所述待处理任务。

8、本申请实施例还提供一种大语言模型的引导信息生成装置，该装置包括：

9、获取模块，用于获取待处理任务的基础描述信息，所述基础描述信息包括执行所述待处理任务所需的必要信息；

10、第一预测模块，用于利用所述基础描述信息预测辅助描述信息，所述辅助描述信息包括辅助执行所述待处理任务的信息；

11、响应模块，用于响应于针对所述辅助描述信息的确认指令，获取所述待处理任务匹配的目标模型和引导模板，所述引导模板为所述目标模型适配的引导信息的模板；

12、第二预测模块，用于融合所述基础描述信息、所述辅助描述信息以及所述引导模板的语义，预测多个候选引导信息以及每个所述候选引导信息对应的质量参数；

13、确定模块，用于根据每个所述候选引导信息对应的质量参数，从所述多个候选引导信息中确定目标引导信息，以便所述目标模型按照所述目标引导信息执行所述待处理任务。

14、本申请实施例还提供一种电子设备，包括处理器和存储器，所述存储器存储有多条指令；所述处理器从所述存储器中加载指令，以执行本申请实施例所提供的任一种大语言模型的引导信息生成方法中的步骤。

15、本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有多条指令，所述指令适于处理器进行加载，以执行本申请实施例所提供的任一种大语言模型的引导信息生成方法中的步骤。

16、本申请实施例还提供一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现本申请实施例所提供的任一种大语言模型的引导信息生成方法中的步骤。

17、本申请实施例可以获取待处理任务的基础描述信息，使用基础描述信息预测辅助描述信息，再检测到针对辅助描述信息的确认指令时，获取目标模型和引导模板；融合引导模板、基础描述信息和辅助描述信息的语义，预测出候选引导信息以及对应的质量参数；最后利用质量参数从候选引导信息中确定目标引导信息。用户仅需输入简单的基础描述信息，辅助描述信息可预测得到，并且在用户确定辅助描述信息后，自动利用引导模板预测出目标模型适配的目标引导模型，无需技术人员进行人工适配，编写简单高效，可有效提升引导信息的编写效率。

技术特征：

1.一种大语言模型的引导信息生成方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述基础描述信息包括任务角色和任务目标，所述辅助描述信息包括任务背景、任务能力、任务约束以及任务流程，所述利用所述基础描述信息预测辅助描述信息，包括：

3.根据权利要求2所述的方法，其特征在于，所述历史引导信息包括具有历史匹配关系的历史任务目标和历史任务能力，所述利用所述任务目标、所述历史引导信息以及所述候选能力，确定至少一个任务能力，包括：

4.根据权利要求3所述的方法，其特征在于，所述根据每个待处理任务目标的语义相似度以及待处理能力的出现频率，计算每个待处理能力的重要性得分，包括：

5.根据权利要求2所述的方法，其特征在于，所述对所述至少一个任务能力和所述任务目标进行语义融合处理，生成任务流程，包括：

6.根据权利要求1所述的方法，其特征在于，所述融合所述基础描述信息、所述辅助描述信息以及所述引导模板的语义，预测多个候选引导信息以及每个候选引导信息对应的质量参数，包括：

7.根据权利要求6所述的方法，其特征在于，所述预设数据集中包括多个预设引导信息，所述对所述候选引导信息和预设数据集进行聚类处理，以将所述候选引导信息映射为质量参数，包括：

8.根据权利要求7所述的方法，其特征在于，所述针对每个聚类簇，利用所述聚类簇中各个预设参数的种子引导信息的数量分布，确定每个聚类簇对应的目标预设参数，包括：

9.一种大语言模型的引导信息生成装置，其特征在于，所述装置包括：

10.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有多条指令；所述处理器从所述存储器中加载指令，以执行如权利要求1~8任一项所述的大语言模型的引导信息生成方法中的步骤。

技术总结
本申请公开了一种大语言模型的引导信息生成方法、装置及电子设备，涉及人工智能技术领域；本申请可以待处理任务的基础描述信息预测辅助描述信息，响应于针对辅助描述信息的确认指令，获取待处理任务匹配的目标模型和引导模板；融合基础描述信息、辅助描述信息以及引导模板的语义，预测多个候选引导信息以及对应的质量参数；根据每个候选引导信息对应的质量参数确定目标引导信息。仅需输入简单的基础描述信息，辅助描述信息可预测得到，并且在用户确定辅助描述信息后，自动利用引导模板预测出目标模型适配的目标引导模型，无需技术人员进行人工适配，编写简单高效，可有效提升引导信息的编写效率。

技术研发人员：祝伟楠,周勤民,屠静,王亚
受保护的技术使用者：卓世智星（天津）科技有限公司
技术研发日：
技术公布日：2024/3/21