【技术实现步骤摘要】
本申请涉及人工智能，特别是涉及一种保险指令自动化构建方法、装置、设备及存储介质。
技术介绍
1、近年来，随着人工智能的飞速发展，大型语言模型(large language model，llm)目前已经能够广泛应用于多个领域以解决其实际问题。为了使得llm能够精准地识别和响应用户的意图，模型需要经过一系列的微调过程，例如监督微调(supervised fine-tuning，sft)、响应排名(rl)和基于人类反馈的强化学习(rlhf)等，作为其中的关键一环，sft的一个重要方面是构建与人偏好一致的训练数据，这些训练数据通常采用话语格式，例如人提供的查询话语和对应的响应数据。为了确保与真实世界的多样性和复杂性一致，这些训练数据应当覆盖多种不同的领域、任务和格式，所构成的数据集为指令集，数据集中的每条数据即为指令。
2、针对保险领域，在使用大语言模型生成指令时，所生成的指令普遍显得简化，缺乏深度；其次，生成的指令涵盖的任务类型过于单调，缺乏多样性；而且还会轻视背景知识，导致某些直截了当的问题，如询问文中角色的动机，或仅仅关注基本定义。
3、因此，如何针对保险领域构建较为完整和多样化的指令，成为本领域亟需解决的技术问题。
技术实现思路
1、基于上述问题，本申请提供了一种保险指令自动化构建方法、装置、设备及存储介质，能够针对保险领域构建较为完整和多样化的指令。
2、本申请实施例公开了如下技术方案：
3、第一方面，本申请提供了一种保险指令自动化
4、基于保险业务相关标准数据，利用大语言模型引导式生成新的保险指令；
5、利用大语言模型判断所述新的保险指令是否满足所述新的保险指令对应的能力类型；
6、在满足时，根据所述新的保险指令构建对应的案例和答案；
7、基于预设过滤条件对所述新的保险指令以及对应的案例和答案进行过滤处理；
8、将经过过滤处理后的新的保险指令以及对应的案例和答案加入任务池。
9、可选的，所述基于保险业务相关标准数据，利用大语言模型引导式生成新的保险指令，包括：
10、使用基于少量业务标注的自我指导方法self-instruction，根据种子指令集利用大语言模型引导式生成新的保险指令。
11、可选的，所述使用基于少量业务标注的自我指导方法self-instruction，根据种子指令集利用大语言模型引导式生成新的保险指令，包括：
12、根据保险业务流程和能力范围提取业务相关问题，得到种子指令集；
13、随机选取所述种子指令集中的指令和利用大语言模型生成的指令，通过大语言模型引导式生成新的保险指令。
14、可选的，所述基于保险业务相关标准数据，利用大语言模型引导式生成新的保险指令，包括：
15、将保险相关书籍逐页切分为图片文件；
16、通过光学字符识别orc技术提取所述图片文件中的文本内容；
17、基于所述文本内容，利用大语言模型引导式生成新的保险指令。
18、可选的，所述根据所述新的保险指令构建对应的案例和答案，包括：
19、利用大预言模型判断所述新的保险指令是否完整；
20、在所述新的保险指令完整且需要进一步说明时，利用大语言模型根据保险相关书籍的文本内容执行摘要任务，得到摘要；
21、将所述摘要作为案例；
22、将所述新的保险指令和对应的案例作为大语言模型的输入，生成答案。
23、可选的，所述利用大语言模型判断所述新的保险指令是否满足所述新的保险指令对应的能力类型，包括：
24、利用大语言模型通过引导语确定新的保险指令对应的能力类型；
25、利用大语言模型判断新的保险指令是否真正符合对应的能力类型。
26、可选的，所述预设过滤条件包括：
27、对不满足新的保险指令与原有保险指令的rouge-l相似度低于0.7的保险指令进行过滤；
28、对包含有大语言模型难以处理的关键字的新的保险指令进行过滤；
29、对重复和具有相同输出不同输出的案例进行过滤。
30、第二方面，本申请实施例提供了一种保险指令自动化构建装置，所述装置包括：
31、保险指令生成模块，用于基于保险业务相关标准数据，利用大语言模型引导式生成新的保险指令；
32、能力类型验证模块，用于利用大语言模型判断所述新的保险指令是否满足所述新的保险指令对应的能力类型；
33、案例构建模块，用于在满足时，根据所述新的保险指令构建对应的案例和答案；
34、过滤模块，用于基于预设过滤条件对所述新的保险指令以及对应的案例和答案进行过滤处理；
35、任务池加入模块，用于将经过过滤处理后的新的保险指令以及对应的案例和答案加入任务池。
36、第三方面，本申请实施例提供了一种电子设备，包括：
37、存储器，用于存储计算机程序；
38、处理器，用于执行所述计算机程序时实现上述保险指令自动化构建方法的步骤。
39、第四方面，本申请实施例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上存储有计算机程序，所述计算机程序被处理器执行时实现上述保险指令自动化构建方法的步骤。
40、相较于现有技术，本申请具有以下有益效果：
41、本申请实施例提供的一种保险指令自动化构建方法，包括：基于保险业务相关标准数据，利用大语言模型引导式生成新的保险指令；利用大语言模型判断所述新的保险指令是否满足所述新的保险指令对应的能力类型；在满足时，根据所述新的保险指令构建对应的案例和答案；基于预设过滤条件对所述新的保险指令以及对应的案例和答案进行过滤处理；将经过过滤处理后的新的保险指令以及对应的案例和答案加入任务池。利用保险业务相关标准数据作为引导，使用大语言模型能够生成更为准确和多元化的保险指令，再基于预设条件对新生成的保险指令进行筛选，并生成与之对应的案例和答案，从而能够保证最终加入任务池中的保险指令较为完整且具备多样化。
42、本申请实施例提供的一种保险指令自动化构建装置、一种电子设备和一种计算机可读存储介质由于能够实现上述保险指令自动化构建方法的步骤，从而同样具备上述有益效果。
本文档来自技高网...【技术保护点】
1.一种保险指令自动化构建方法，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，所述基于保险业务相关标准数据，利用大语言模型引导式生成新的保险指令，包括：
3.根据权利要求2所述的方法，其特征在于，所述使用基于少量业务标注的自我指导方法self-instruction，根据种子指令集利用大语言模型引导式生成新的保险指令，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于保险业务相关标准数据，利用大语言模型引导式生成新的保险指令，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述新的保险指令构建对应的案例和答案，包括：
6.根据权利要求1所述的方法，其特征在于，所述利用大语言模型判断所述新的保险指令是否满足所述新的保险指令对应的能力类型，包括：
7.根据权利要求1所述的方法，其特征在于，所述预设过滤条件包括：
8.一种保险指令自动化构建装置，其特征在于，所述装置包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质
...【技术特征摘要】
1.一种保险指令自动化构建方法，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，所述基于保险业务相关标准数据，利用大语言模型引导式生成新的保险指令，包括：
3.根据权利要求2所述的方法，其特征在于，所述使用基于少量业务标注的自我指导方法self-instruction，根据种子指令集利用大语言模型引导式生成新的保险指令，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于保险业务相关标准数据，利用大语言模型引导式生成新的保险指令，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。