一种理解文本提高大语言模型工具学习的方法技术

本申请提供一种理解文本提高大语言模型工具学习的方法，方法包括：步骤一、API描述生成；步骤二、构建Query的上下文信息；步骤三、构建候选API集合，缩小大语言模型搜索API的范围；步骤四、利用大语言模型对Query进行回答；步骤五、设计Cos_F1对生成内容进行自动评价，利用目标Query和答案之间的余弦相似度表示一致性和差异性。创新性的加强了对开放大语言模型中AP功能的理解，并通过使用机器生成的API功能描述代替人类描述来提高API调用的准确性。

【技术实现步骤摘要】

本申请涉及大语言模型，特别涉及一种理解文本提高大语言模型工具学习的方法。

技术介绍

1、工具学习的兴起与大语言模型(large language models,llms)的发展密切相关。工具学习的目标在于充分利用llms作为核心认知引擎，以构建各种程序接口(applicationprogramming interface,api)和任务之间的紧密连接，从而在复杂的现实生活场景中实现无缝任务执行。例如，一个女孩提出了一个问题，询问未来三天的天气预报，随后，llms自动选择相关api来提供答案。尽管这看起来非常吸引人且实用，但在实际应用中，llms在理解女孩的查询、选择适当的api以及生成正确答案方面面临一些挑战。这主要有两个原因：首先，大多数开放大语言模型侧重于基本的传统语言任务，而非专注于工具学习；其次，存在对api功能和查询的理解方面的差异。

2、为了应对这些问题，大多数研究人员已将注意力转向特殊的提示，以针对特定任务和数据集对llms进行优化。尽管这些方法增强了利用开放大语言模型作为中央api调用机制解决查询(query)的能力，但它们面临本文档来自技高网...

【技术保护点】

1.一种理解文本提高大语言模型工具学习的方法，其特征在于，所述方法包括：

2.根据权利要求1，其特征在于，步骤一、API描述生成，包括：

3.根据权利要求1所述的方法，其特征在于，步骤二、构建Query的上下文信息，包括：

4.根据权利要求2所述的方法，其特征在于，步骤三、构建候选API集合，缩小大语言模型搜索API的范围，包括：

5.根据权利要求2所述的方法，其特征在于，步骤四、利用大语言模型对Query进行回答，包括：

6.根据权利要求2所述的方法，其特征在于，步骤五、设计Cos_F1对生成内容进行自动评价，利用目标Quer...

【技术特征摘要】

1.一种理解文本提高大语言模型工具学习的方法，其特征在于，所述方法包括：

2.根据权利要求1，其特征在于，步骤一、api描述生成，包括：

3.根据权利要求1所述的方法，其特征在于，步骤二、构建query的上下文信息，包括：

4.根据权利要求2所述的方法，其特征在于，步骤三、构建候选ap...

【专利技术属性】
技术研发人员：袁长森，黄河燕，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：