大语言模型的提示词信息的生成方法、装置、设备及介质制造方法及图纸

本公开提供了一种大语言模型的提示词信息的生成方法、装置、设备及介质，涉及机器学习与自然语言处理等人工智能技术领域。具体实现方案为：获取用户在使用大语言模型时的输入信息；基于所述输入信息和配置的参数信息，采用预先训练的提示词生成模型，生成目标提示词信息，所述目标提示词信息用于代替所述输入信息，输入至所述大语言模型中。本公开的技术，能够有效地生成更加丰富、内容更加全面、准确地目标提示词信息；进而采用该目标提示词信息代替用户的输入信息，输入至大语言模型，能够使得大语言模型能够更加高效、准确地生成回复文本信息。

【技术实现步骤摘要】

本公开涉及计算机，具体涉及机器学习与自然语言处理等人工智能，尤其涉及一种大语言模型的提示词的生成方法、装置、设备及介质。

技术介绍

1、大语言模型(large language model；llm)是一种语言模型，由包括数十亿个参数或更多量级的参数构成的深度神经网络模型构成。大语言模型通常在大型文本数据集上进行预训练,这些数据集的大小可达10万亿词。所以，现有的大语言模型具有非常强的涌现能力和泛化能力，能够应用在各种不同的场景中，处理各种不同的任务，如文本摘要、文本生成、机器翻译、问答等。

2、现有的大语言模型在使用时，用户向大语言模型输入信息，大语言模型可以根据用户的输入信息，为用户输出回复文本信息。

技术实现思路

1、本公开提供了一种大语言模型的提示词的生成方法、装置、设备及介质。

2、根据本公开的一方面，提供了一种大语言模型的提示词信息的生成方法，包括：

3、获取用户在使用大语言模型时的输入信息；

4、基于所述输入信息和配置的参数信息，采用预先训练的提示词本文档来自技高网...

【技术保护点】

1.一种大语言模型的提示词信息的生成方法，包括：

2.根据权利要求1所述的方法，其中，基于所述输入信息和配置的参数信息，采用预先训练的提示词生成模型，生成目标提示词信息之前，包括：

3.根据权利要求1或2所述的方法，其中，所述参数信息包括：缩短提示词长度、迭代轮次、优化质量以及审查优化中的至少一个。

4.根据权利要求3所述的方法，其中，所述参数信息中包括缩短提示词时，基于所述输入信息和配置的参数信息，采用预先训练的提示词生成模型，生成目标提示词信息，包括：

5.根据权利要求3所述的方法，其中，所述参数信息中包括迭代轮次时，基于所述输入信息和...

【技术特征摘要】

1.一种大语言模型的提示词信息的生成方法，包括：

2.根据权利要求1所述的方法，其中，基于所述输入信息和配置的参数信息，采用预先训练的提示词生成模型，生成目标提示词信息之前，包括：

3.根据权利要求1或2所述的方法，其中，所述参数信息包括：缩短提示词长度、迭代轮次、优化质量以及审查优化中的至少一个。

4.根据权利要求3所述的方法，其中，所述参数信息中包括缩短提示词时，基于所述输入信息和配置的参数信息，采用预先训练的提示词生成模型，生成目标提示词信息，包括：

5.根据权利要求3所述的方法，其中，所述参数信息中包括迭代轮次时，基于所述输入信息和配置的参数信息，采用预先训练的提示词生成模型，生成目标提示词信息，包括：

6.根据权利要求3所述的方法，其中，所述参数信息中包括优化质量时，基于所述输入信息和配置的参数信息，采用预先训练的提示词生成模型，生成目标提示词信息，包括：

7.根据权利要求3所述的方法，其中，所述参数信息中包括审查优化时，基于所述输入信息和配置的参数信息，采用预先训练的提示词生成模型，生成目标提示词信息，包括：

8.根据权利要求1-7任一所述的方法，其中，获取用户在使用大语言模型时的输入信息，包括：

9.根据权利要求8所述的方法，其中，获取用户选择的目标输入信息模板之后，所述方法还包括：

10.根据权利要求1-7任一所述的方法，其中，获取用户在使...

【专利技术属性】
技术研发人员：李雨城，卢伟鹏，王闯，王婷婷，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：