一种基于大模型的问答方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术公开了一种基于大模型的问答方法、装置、电子设备及存储介质；该方法包括：获取待解答问题；将待解答问题输入到预先训练的联合问答模型中，得到联合问答模型的输出结果；根据联合问答模型的输出结果确定待解答问题所对应的答案，解决了问答过程中答案的准确性较低，预测过程不可控的问题，基于思维链对第一问答模型和第二问答模型进行联合训练，实现了答案预测过程和结果的逻辑性和可控性，预测答案过程中第二问答模型的输入数据根据第一问答模型的输出数据和待解答问题确定，使第一问答模型和第二问答模型建立关联关系从而保持高一致性，避免模型无法规范性对齐导致的预测结果不准确的情况发生，提高模型预测准确性。

【技术实现步骤摘要】

本专利技术涉及人工智能，尤其涉及一种基于大模型的问答方法、装置、电子设备及存储介质。

技术介绍

1、随着人工智能的快速发展，机器学习技术也在不断向前推进。从机器学习ml到深度学习dl再到大规模学习lm，大模型在机器学习领域泛化和逻辑思考问题上表现出了良好性能，为通用人工智能的实现提供了可能性。

2、当前的大模型往往在数据的预处理上有多种多样的方法，但是其输出结果的可信可控性方面并没具有很强的逻辑性，导致以同样数据训练出的不同大模型之间输出的结果不够统一，缺乏一致性。

3、目前大模型预测方法，模型的训练和规范对齐大多依赖人工的手动标注和判断，不仅费时费力，大模型生成的结果受标注员的主观因素影响而不够准确；自动化程度低，效率低，不利于规模商用，且预测过程和结果不直观不可控。在大模型思考和得到答案的过程中，由于大模型无法自动、高效进行规范对齐，进一步导致了无法准确对数据进行预测，得到准确的答案。因此，在智能问答过程中，如何准确预测，得到可靠的答案，且预测过程直观可控成为有待解决的问题。

技术实现思路...

【技术保护点】

1.一种基于大模型的问答方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述将所述待解答问题输入到预先训练的联合问答模型中，得到所述联合问答模型的输出结果，包括：

3.根据权利要求2所述的方法，其特征在于，还包括：

4.根据权利要求1-3中任一项所述的方法，其特征在于，所述联合问答模型的训练步骤包括：

5.根据权利要求4所述的方法，其特征在于，所述基于所述目标网络模型确定联合问答模型，包括：

6.根据权利要求5所述的方法，其特征在于，所述根据所述相似度确定所述第一推理答案和所述第二推理答案的一致性分析结果，包...

【技术特征摘要】

1.一种基于大模型的问答方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述将所述待解答问题输入到预先训练的联合问答模型中，得到所述联合问答模型的输出结果，包括：

3.根据权利要求2所述的方法，其特征在于，还包括：

4.根据权利要求1-3中任一项所述的方法，其特征在于，所述联合问答模型的训练步骤包括：

5.根据权利要求4所述的方法，其特征在于，所述基于所述目标网络模型确定联合问答模型，包括：

6.根据权利要求5所述的方法，其特征在于，所述根据...

【专利技术属性】
技术研发人员：杨一帆，蒋浩博，罗中岩，夏正勋，
申请(专利权)人：星环信息科技上海股份有限公司，
类型：发明
国别省市：