【技术实现步骤摘要】
本专利技术涉及人工智能，具体而言，涉及一种辩证知识迁移学习方法、装置、电子设备及存储介质。
技术介绍
1、近年来，随着深度学习技术的飞速发展，诸如gpt等大模型在自然语言问答等领域取得了显著成就。但是在实际应用中，单一的大语言模型在面对诸如视觉问答这类多模态问答时的局限性也随之浮现。在此背景下，将多模态数据整合到一个统一模型中的mllm(multi-modal large language model，多模态大语言模型)应运而生，而基于mllm的智能体也在多模态问答任务的推理中也表现出了巨大的潜力。
2、然而，现有的智能体通常由于其自回归训练机制和训练数据同质等问题，在多模态问答任务的推理过程中往往会出现幻觉(如智能体输出内容与提问内容明显不匹配或逻辑错误)，导致现有的智能体在处理多模态问答任务时的可靠性较差，阻碍了其实际落地应用。
技术实现思路
1、本专利技术解决的问题是如何提高智能体处理多模态问答任务的可靠性。
2、为解决上述问题，本专利技术提供一种辩证知识迁移...
【技术保护点】
1.一种辩证知识迁移学习方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的辩证知识迁移学习方法，其特征在于，所述决策信息包括推理结果；所述步骤二包括：
3.根据权利要求2所述的辩证知识迁移学习方法，其特征在于，所述决策信息还包括推理过程；所述预设置信条件还包括：
4.根据权利要求2所述的辩证知识迁移学习方法，其特征在于，所述步骤二还包括：
5.根据权利要求2所述的辩证知识迁移学习方法，其特征在于，在所述构建辩证知识库之后，还包括：
6.根据权利要求5所述的辩证知识迁移学习方法，其特征在于，所述基于所述...
【技术特征摘要】
1.一种辩证知识迁移学习方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的辩证知识迁移学习方法，其特征在于，所述决策信息包括推理结果；所述步骤二包括：
3.根据权利要求2所述的辩证知识迁移学习方法，其特征在于，所述决策信息还包括推理过程；所述预设置信条件还包括：
4.根据权利要求2所述的辩证知识迁移学习方法，其特征在于，所述步骤二还包括：
5.根据权利要求2所述的辩证知识迁移学习方法，其特征在于，在所述构建辩证知识库之后，还包括：
6.根据权利要求5所述的辩证知识迁移学习方法，其特征在于，所述基...
【专利技术属性】
技术研发人员：王好天，闫莲，余伟江，李雪，姜京池，关毅，
申请(专利权)人：哈尔滨工业大学，
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。