【技术实现步骤摘要】
本说明书实施例涉及机器学习，特别涉及提示词生成方法及文本处理方法。
技术介绍
1、随着计算机和互联网技术的发展，大模型在越来越多的场景中得以应用。而大模型针对用户的输入反馈结果时，反馈结果准确度更多的是受提示词的影响。由于不同用户选择的提示词存在较大的差异，导致应用端效果不稳定。而为了能够提高稳定性，通常会针对具体任务设置一个有效的提示词供用户使用。而该提示词的设计需要反复尝试后才能够确定，整个过程耗时耗力。现有技术中，为了能够在应用大模型阶段，使用效果更好的提示词用于结果预测，大多数会采用对提示词具有优化能力的模型进行迭代处理，从而生成快速生成效果更好的提示词供用户使用。但是这一处理过程无法兼容收敛方向和收敛速度，并且需要大量的样本驱动，不仅成本高，且效率低，因此亟需一种有效的方案以解决上述问题。
技术实现思路
1、有鉴于此，本说明书实施例提供了一种提示词生成方法。本说明书一个或者多个实施例同时涉及一种文本处理方法，一种提示词生成装置，一种文本处理装置，一种计算设备，一种计算机可读存储介...
【技术保护点】
1.一种提示词生成方法，其特征在于，包括：
2.根据权利要求1所述的提示词生成方法，其特征在于，所述按照预设的分层采样策略对所述样本集进行分层采样处理，根据分层采样处理结果确定多个代表样本，包括：
3.根据权利要求1所述的提示词生成方法，其特征在于，所述多个代表样本中的任意一个代表样本对应的结构化提示信息的确定，包括：
4.根据权利要求1所述的提示词生成方法，其特征在于，所述在所述多个代表样本分别对应的初始提示词中提取中间提示词，包括：
5.根据权利要求4所述的提示词生成方法，其特征在于，所述确定所述中间提示词关联的评估
...【技术特征摘要】
1.一种提示词生成方法，其特征在于，包括：
2.根据权利要求1所述的提示词生成方法，其特征在于，所述按照预设的分层采样策略对所述样本集进行分层采样处理，根据分层采样处理结果确定多个代表样本，包括：
3.根据权利要求1所述的提示词生成方法，其特征在于，所述多个代表样本中的任意一个代表样本对应的结构化提示信息的确定，包括：
4.根据权利要求1所述的提示词生成方法，其特征在于，所述在所述多个代表样本分别对应的初始提示词中提取中间提示词，包括：
5.根据权利要求4所述的提示词生成方法，其特征在于，所述确定所述中间提示词关联的评估信息，包括：
6.根据权利要求1所述的提示词生成方法，其特征在于，所述按照所述评估信息优化所述中间提示...
【专利技术属性】
技术研发人员：甄化春，陈佼，王炯亮，陈哲，
申请(专利权)人：恒生电子股份有限公司，
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。