【技术实现步骤摘要】
本申请涉及人工智能，尤其涉及一种智能问答方法、装置、存储介质和智能设备。
技术介绍
1、大语言模型是人工智能领域的一项重要技术，它通过训练大规模的语料库，使计算机能够理解和生成自然语言。近年来，基于大语言模型的智能问答应用逐渐成为研究热点，其中，检索增强生成(retrieval-augmented generation，rag)技术是一种重要的实现方法。rag技术是一种结合了检索和生成的问答方法。它主要通过检索机制找到与问题相关的段落，然后利用这些段落的信息来生成回答。
2、基于rag和大规模语言模型(llm)的智能问答应存在一些不足之处，例如，由于文本数据的复杂性和多样性，检索到的与问题相关的段落可能多且冗余，问题与检索段落的匹配准确性不高，这易导致大模型回答的准确性与效率下降。
3、鉴于此，如何优化检索结果，提升问题与检索段落匹配的准确性，提高大模型回答的准确性与效率，是当前亟需解决的问题。
技术实现思路
1、本申请实施例提供了一种智能问答方法、装置、存储介质和...
【技术保护点】
1.一种智能问答方法，其特征在于，包括：
2.根据权利要求1所述的智能问答方法，其特征在于，所述基于所述用户问题对应的向量，对预设向量数据库中的参考向量进行筛选，生成候选参考列表的步骤，包括：
3.根据权利要求1所述的智能问答方法，其特征在于，所述利用预设排序模型对所述候选参考列表中参考向量对应的参考资料进行重排序，得到目标参考列表的步骤，包括：
4.根据权利要求1所述的智能问答方法，其特征在于，在所述利用预设排序模型对所述候选参考列表中参考向量对应的参考资料进行重排序，得到目标参考列表的步骤之前，包括：
5.根据权利要...
【技术特征摘要】
1.一种智能问答方法，其特征在于，包括：
2.根据权利要求1所述的智能问答方法，其特征在于，所述基于所述用户问题对应的向量，对预设向量数据库中的参考向量进行筛选，生成候选参考列表的步骤，包括：
3.根据权利要求1所述的智能问答方法，其特征在于，所述利用预设排序模型对所述候选参考列表中参考向量对应的参考资料进行重排序，得到目标参考列表的步骤，包括：
4.根据权利要求1所述的智能问答方法，其特征在于，在所述利用预设排序模型对所述候选参考列表中参考向量对应的参考资料进行重排序，得到目标参考列表的步骤之前，包括：
5.根据权利要求4所述的智能问答方法，其特征在于，所述预设损失函数的计算式如下：
...【专利技术属性】
技术研发人员：赵洋，陈龙，包荣鑫，王童萱，林晓绿，赵俐怡，
申请(专利权)人：深圳价值在线信息科技股份有限公司，
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。