【技术实现步骤摘要】
本专利技术涉及信息处理，尤其涉及一种应用区块链改善基础大模型处理专业问题的方法、系统、设备及介质。
技术介绍
1、当前大语言模型百花齐放，在通用人工智能上取得了非常大的进步，但是大语言模型的训练数据通常情况下不能涵盖所有的专业领域、专业领域的数据资料相对来说不够充分、很多专业领域通常情况下数据不是公开开放的、专业领域数据通常对时效性也要求比较高、专业领域数据依赖其它系统的服务等。因此，基础大模型在处理专业问题时常常力不从心，表现不能达到预期。例如，为了做出正确的投资决策，基金管理人需要考虑企业经营状况、财务税务分析、创始团队历史、行业未来预测、投资热点动态、企业未来估值、潜在风险预警、投资收益评估、对赌协议拟定等多方面因素。
2、现有的大语言模型尽管在通用人工智能领域取得了一定的成果，但在处理这类专业问题时仍然存在诸多局限性；由于专业领域数据资料相对不够充分，基础大模型在训练过程中可能无法充分涵盖这些领域的知识；此外，很多专业领域的数据不是公开开放的，基础大模型难以获取并吸收这些封闭的信息，专业领域数据通常对时效性要求较高，而基础大模型可能无法实时更新相关信息；同时，专业领域数据依赖其他系统的服务，基础大模型在处理这类问题时可能无法与这些系统无缝对接。因此，针对特定领域的决策，需要寻找一种能够克服现有大语言模型局限性的技术方案。
技术实现思路
1、本专利技术的目的是提供一种应用区块链改善基础大模型处理专业问题的方法，用以解决现有技术中大语言模型，针对特定领域决策存在局限
2、第一方面的，本专利技术实施例提出了一种应用区块链改善基础大模型处理专业问题的方法，包括：
3、获取用户指令，根据用户指令匹配任务类型；
4、根据任务类型将用户指令划分成多个子任务，并将子任务置于任务队列池；
5、从任务队列池中依次提取子任务，在区块链数据库中获取子任务关联的工具集，并根据工具集执行子任务，生成任务执行结果；其中，区块链数据库中包含多个数据节点，每一数据节点匹配有不同类型子任务关联的工具集；
6、判断每一任务执行结果是否符合预期，若不符合预期则重新生成任务，若符合预期则执行下一子任务；
7、当完成所有子任务并评估符合预设条件后，输出应答结果。
8、优选地，根据工具集执行子任务，生成任务执行结果的步骤，包括：
9、从工具集中获取预制关联的行业数据作为训练数据，并根据训练数据基于深度学习算法训练特定领域的专业模型，并将专业模型与基础大模型关联；
10、根据专业模型关联的基础大模型执行子任务，并生成执行结果。
11、优选地，从工具集中获取预制关联的行业数据作为训练数据的步骤，包括：
12、从工具集中通过搜索引擎、专业应用模型、外部知识库、脚本执行器、外部数据源及业务系统对接、http接口获取原始数据；
13、从原始数据中抽取实体、关系信息，根据数据来源、数据可追溯性评估数据的信用等级构建知识图谱，将知识图谱领域类别相关的行业数据存储到对应的区块链验证数据库中作为训练数据。
14、优选地，判断每一任务执行结果是否符合预期，若不符合预期则重新生成任务，若符合预期则执行下一子任务的步骤，包括：
15、根据基础大模型的元学习能力，评估任务执行结果是否符合预期；
16、若判断任务结果不符合预期，则根据元学习反馈，重新生成新的任务并执行；
17、若任务结果符合预期，则继续从任务队列池中提取下一条子任务。
18、第二方面的，本专利技术实施例提出了一种基于区块链数据库垂直应用的模型训练系统，包括：
19、指令获取模块，用于获取用户指令，根据用户指令匹配任务类型；
20、子任务模块，用于根据任务类型将用户指令划分成多个子任务，并将子任务置于任务队列池；
21、工具集调动模块，用于从任务队列池中依次提取子任务，在区块链数据库中获取子任务关联的工具集，并根据工具集执行子任务，生成任务执行结果；其中，区块链数据库中包含多个数据节点，每一数据节点匹配有不同类型子任务关联的工具集；
22、执行结果判断模块，用于判断每一任务执行结果是否符合预期，若不符合预期则重新生成任务，若符合预期则执行下一子任务；
23、输出模块，用于在完成所有子任务并评估符合预设条件后，输出应答结果。
24、优选地，工具集调动模块包括：
25、专业模型训练单元，用于从工具集中获取预制关联的行业数据作为训练数据，并根据训练数据基于深度学习算法训练特定领域的专业模型，并将专业模型与基础大模型关联；
26、专业模型执行单元，用于根据专业模型关联的基础大模型执行子任务，并生成执行结果。
27、优选地，专业模型训练单元包括：
28、原始数据子单元，用于从工具集中通过搜索引擎、专业应用模型、外部知识库、脚本执行器、外部数据源及业务系统对接、http接口获取原始数据；
29、训练数据子单元，用于从原始数据中抽取实体、关系信息，根据数据来源、数据可追溯性评估数据的信用等级构建知识图谱，将知识图谱领域类别相关的行业数据存储到对应的区块链验证数据库中作为训练数据。
30、优选地，执行结果判断模块包括：
31、判断单元，用于根据基础大模型的元学习能力，评估任务执行结果是否符合预期；
32、反馈单元，用于在判断任务结果不符合预期，则根据元学习反馈，重新生成新的任务并执行；
33、提取单元，用于在任务结果符合预期，则继续从任务队列池中提取下一条子任务。
34、第三方面的，本专利技术实施例提出了一种计算机设备包括有通信相连的存储器和处理器，其中，存储器用于存储计算机程序，处理器用于读取计算机程序，执行如上述实施例所提出的应用区块链改善基础大模型处理专业问题的方法。
35、第四方面的，本专利技术实施例提出了一种计算机可读存储介质，计算机可读存储介质上存储有指令，当指令在计算机上运行时，执行如上述实施例所提出的应用区块链改善基础大模型处理专业问题的方法。
36、有益效果：本专利技术实施例提出的是一种应用区块链改善基础大模型处理专业问题的方法，通过结合区块链技术和人工智能，打破了专业领域数据和公开数据间的边界，使得专业问题的解决拥有更全面，更准确的数据支持，大幅的提升了问题的解决效率及适用性；以此解决了大语言模型，针对特定领域决策存在局限性的问题。
本文档来自技高网...【技术保护点】
1.一种应用区块链改善基础大模型处理专业问题的方法，其特征在于，包括：
2.根据权利要求1所述的应用区块链改善基础大模型处理专业问题的方法，其特征在于，根据所述工具集执行所述子任务，生成任务执行结果的步骤，包括：
3.根据权利要求2所述的应用区块链改善基础大模型处理专业问题的方法，其特征在于，从所述工具集中获取预制关联的行业数据作为训练数据的步骤，包括：
4.根据权利要求3所述的应用区块链改善基础大模型处理专业问题的方法，其特征在于，判断每一所述任务执行结果是否符合预期，若不符合预期则重新生成任务，若符合预期则执行下一子任务的步骤，包括：
5.一种基于区块链数据库垂直应用的模型训练系统，其特征在于，包括：
6.根据权利要求5所述的基于区块链数据库垂直应用的模型训练系统，其特征在于，工具集调动模块包括：
7.根据权利要求6所述的基于区块链数据库垂直应用的模型训练系统，其特征在于，专业模型训练单元包括：
8.根据权利要求7所述的基于区块链数据库垂直应用的模型训练系统，其特征在于，执行结果判断模块包括：
9.一种计算机设备，其特征在于，包括有通信相连的存储器和处理器，其中，所述存储器用于存储计算机程序，所述处理器用于读取所述计算机程序，执行如权利要求1～4任一项中所述的应用区块链改善基础大模型处理专业问题的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，执行如权利要求1～4任一项中所述的应用区块链改善基础大模型处理专业问题的方法。
...【技术特征摘要】
1.一种应用区块链改善基础大模型处理专业问题的方法，其特征在于，包括：
2.根据权利要求1所述的应用区块链改善基础大模型处理专业问题的方法，其特征在于，根据所述工具集执行所述子任务，生成任务执行结果的步骤，包括：
3.根据权利要求2所述的应用区块链改善基础大模型处理专业问题的方法，其特征在于，从所述工具集中获取预制关联的行业数据作为训练数据的步骤，包括：
4.根据权利要求3所述的应用区块链改善基础大模型处理专业问题的方法，其特征在于，判断每一所述任务执行结果是否符合预期，若不符合预期则重新生成任务，若符合预期则执行下一子任务的步骤，包括：
5.一种基于区块链数据库垂直应用的模型训练系统，其特征在于，包括：
6.根据权利要求5所述的基于区块链数...
【专利技术属性】
技术研发人员：李农，左鹏，林全盛，
申请(专利权)人：成都交子金服科技股份有限公司，
类型：发明
国别省市：
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。