【技术实现步骤摘要】
本专利技术涉及大语言处理，特别是涉及一种基于大语言模型的处理方法、装置、设备及介质。
技术介绍
1、大语言模型(llm，large language model)，是指使用大量文本数据训练的深度学习模型，可以生成自然语言文本或理解语言文本的含义。
2、在基于大语言模型的问答系统中，大语言模型给出的答案可能不准确，即出现“幻觉”，尤其是向大语言模型提出的问题越复杂，大语言模型给出不准确答案的概率越高，不准确的答案会影响用户使用。
技术实现思路
1、鉴于上述问题，提出了以便提供克服上述问题或者至少部分地解决上述问题的一种基于大语言模型的处理方法、装置、设备及介质，包括：
2、一种基于大语言模型的处理方法，包括：
3、获取输入的问题，并调用大语言模型生成针对所述问题的答案；
4、确定所述问题预期回答的第一类别和针对所述问题的答案的第二类别；
5、在所述第一类别和所述第二类别不一致时，对所述问题进行优化，并调用所述大语言模型生成针对优化后
【技术保护点】
1.一种基于大语言模型的处理方法，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，所述在所述第一类别和所述第二类别不一致时，对所述问题进行优化，包括：
3.根据权利要求1所述的方法，其特征在于，所述在所述第一类别和所述第二类别不一致时，对所述问题进行优化，包括：
4.根据权利要求1-3任一项所述的方法，其特征在于，所述确定所述问题预期回答的第一类别和针对所述问题的答案的第二类别，包括：
5.根据权利要求4所述的方法，其特征在于，在所述第一类别和所述第二类别不一致时，对所述问题进行优化之前，还包括：
<...【技术特征摘要】
1.一种基于大语言模型的处理方法，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，所述在所述第一类别和所述第二类别不一致时，对所述问题进行优化，包括：
3.根据权利要求1所述的方法，其特征在于，所述在所述第一类别和所述第二类别不一致时，对所述问题进行优化，包括：
4.根据权利要求1-3任一项所述的方法，其特征在于，所述确定所述问题预期回答的第一类别和针对所述问题的答案的第二类别，包括：
5.根据权利要求4所述的方法，其特征在于，在所述第一类别和所述第二类别不一致时，对所述问题进行优化之前，还包括：
6.根据权利要求1所述的方法，其特征在...
【专利技术属性】
技术研发人员：曹元斌，高源，朱逸恒，周音志，
申请(专利权)人：浙江菜鸟供应链管理有限公司，
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。