【技术实现步骤摘要】
本申请涉及自然语言处理，特别是涉及一种模型偏见答复去除方法、装置、计算机设备和存储介质。
技术介绍
1、随着自然语言处理技术的快速发展，大型语言模型在自然语言处理领域得到了广泛的应用。
2、传统技术中，针对自然语言处理通常使用大型语言模型，但大型语言模型的广泛应用带来了内容生成偏见、输出不可控等一系列问题，尤其在闭源大模型的使用中更为明显。这些闭源模型由于其内部机制和训练数据的非透明性，给用户带来了显著的信任风险。在特定场景下，模型可能生成带有偏见或不准确的内容，甚至可能受到外部诱导而产生恶意输出。这些问题削弱了模型的有效性。
3、因此，传统技术中的闭源模型通常存在控制精度低的问题。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够提高控制精度的模型偏见答复去除方法、装置、计算机设备和存储介质。
2、第一方面，本申请提供了一种模型偏见答复去除方法，包括：
3、将待答复问题数据输入至问答模型中；问答模型包括至少一个级联的网络层级；
4、针对问答模型中的每一网络层级，确定网络层级的输入数据对应的中间答复结果；其中，首个网络层级的输入数据为待答复问题数据；
5、根据网络层级对应的目标更新向量和更新方式，更新中间答复结果；更新方式包括线性更新、分段更新和投影更新中的任意一种；所述目标更新向量用于去除所述中间答复结果中的偏见答复内容；
6、根据问答模型中的尾部网络层级对应的中间答复结果，确定待答
7、在其中一个实施例中，若更新方式为线性更新，则根据网络层级中目标更新向量对应的更新方式，更新中间答复结果，更新中间答复结果，包括：
8、根据中间答复结果与目标更新向量之间的和值，更新中间答复结果；或，根据中间答复结果和目标更新向量之间的差值，更新中间答复结果。
9、在其中一个实施例中，若更新方式为分段更新，则根据网络层级中目标更新向量对应的更新方式，更新中间答复结果，更新中间答复结果，包括：
10、根据中间答复结果的转置结果与目标更新向量，调整目标更新向量的向量方向；
11、根据中间答复结果与目标更新向量之间的和值，更新中间答复结果。
12、在其中一个实施例中，若更新方式为投影更新，则根据网络层级中目标更新向量对应的更新方式，更新中间答复结果，更新中间答复结果，包括：
13、根据中间答复结果的转置结果、目标更新向量和目标更新向量的模，调整目标更新向量的向量方向；
14、根据中间答复结果与目标更新向量之间的差值，更新中间答复结果。
15、在其中一个实施例中，问答模型的训练方法，包括：
16、将样本问题数据输入至预训练的问答模型中，得到第一答复结果；
17、将第一答复结果输入至预先训练好的答复更新模型中，得到第二答复结果；
18、根据第一答复结果和第二答复结果，对问答模型进行模型训练。
19、在其中一个实施例中，根据第一答复结果和第二答复结果，对问答模型进行模型训练，包括：
20、根据第一答复结果和第二答复结果，确定问答模型的损失值；
21、根据第一答复结果和第二答复结果之间的差异情况，确定问答模型中的中间更新向量；
22、根据损失值和中间更新向量，对问答模型进行模型训练。
23、第二方面，本申请还提供了一种模型偏见答复去除装置，包括：
24、数据输入模块，用于将待答复问题数据输入至问答模型中；问答模型包括至少一个级联的网络层级；
25、答复确定模块，用于针对问答模型中的每一网络层级，确定网络层级的输入数据对应的中间答复结果；其中，首个网络层级的输入数据为待答复问题数据；
26、答复更新模块，用于根据网络层级对应的目标更新向量和更新方式，更新中间答复结果；更新方式包括线性更新、分段更新和投影更新中的任意一种；
27、目标确定模块，用于根据问答模型中的尾部网络层级对应的中间答复结果，确定待答复问题数据的目标答复结果。
28、第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
29、将待答复问题数据输入至问答模型中；问答模型包括至少一个级联的网络层级；
30、针对问答模型中的每一网络层级，确定网络层级的输入数据对应的中间答复结果；其中，首个网络层级的输入数据为待答复问题数据；
31、根据网络层级对应的目标更新向量和更新方式，更新中间答复结果；更新方式包括线性更新、分段更新和投影更新中的任意一种；
32、根据问答模型中的尾部网络层级对应的中间答复结果，确定待答复问题数据的目标答复结果。
33、第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
34、将待答复问题数据输入至问答模型中；问答模型包括至少一个级联的网络层级；
35、针对问答模型中的每一网络层级，确定网络层级的输入数据对应的中间答复结果；其中，首个网络层级的输入数据为待答复问题数据；
36、根据网络层级对应的目标更新向量和更新方式，更新中间答复结果；更新方式包括线性更新、分段更新和投影更新中的任意一种；
37、根据问答模型中的尾部网络层级对应的中间答复结果，确定待答复问题数据的目标答复结果。
38、第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
39、将待答复问题数据输入至问答模型中；问答模型包括至少一个级联的网络层级；
40、针对问答模型中的每一网络层级，确定网络层级的输入数据对应的中间答复结果；其中，首个网络层级的输入数据为待答复问题数据；
41、根据网络层级对应的目标更新向量和更新方式，更新中间答复结果；更新方式包括线性更新、分段更新和投影更新中的任意一种；
42、根据问答模型中的尾部网络层级对应的中间答复结果，确定待答复问题数据的目标答复结果。
43、上述模型偏见答复去除方法、装置、计算机设备和存储介质，将待答复问题数据输入至问答模型中；问答模型包括至少一个级联的网络层级；针对问答模型中的每一网络层级，确定网络层级的输入数据对应的中间答复结果；其中，首个网络层级的输入数据为待答复问题数据；根据网络层级对应的目标更新向量和更新方式，更新中间答复结果；更新方式包括线性更新、分段更新和投影更新中的任意一种；根据问答模型中的尾部网络层级对应的中间答复结果，确定待答复问题数据的目标答复结果。本申请引入更新向量，强化了问答模型对目标答复结果的精细控制，进一步提高了目标答复结果的可控性和准确性。
本文档来自技高网...【技术保护点】
1.一种模型偏见答复去除方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，若所述更新方式为线性更新，则根据所述网络层级中目标更新向量对应的更新方式，更新所述中间答复结果，更新所述中间答复结果，包括：
3.根据权利要求1所述的方法，其特征在于，若所述更新方式为分段更新，则根据所述网络层级中目标更新向量对应的更新方式，更新所述中间答复结果，更新所述中间答复结果，包括：
4.根据权利要求1所述的方法，其特征在于，若所述更新方式为投影更新，则根据所述网络层级中目标更新向量对应的更新方式，更新所述中间答复结果，更新所述中间答复结果，包括：
5.根据权利要求1所述的方法，其特征在于，所述问答模型的训练方法，包括：
6.根据权利要求5所述的方法，其特征在于，所述根据所述第一答复结果和第二答复结果，对所述问答模型进行模型训练，包括：
7.一种模型偏见答复去除装置，其特征在于，所述装置包括：
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种模型偏见答复去除方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，若所述更新方式为线性更新，则根据所述网络层级中目标更新向量对应的更新方式，更新所述中间答复结果，更新所述中间答复结果，包括：
3.根据权利要求1所述的方法，其特征在于，若所述更新方式为分段更新，则根据所述网络层级中目标更新向量对应的更新方式，更新所述中间答复结果，更新所述中间答复结果，包括：
4.根据权利要求1所述的方法，其特征在于，若所述更新方式为投影更新，则根据所述网络层级中目标更新向量对应的更新方式，更新所述中间答复结果，更新所述中间答复结果，包括：
5.根据权利要求1所述的方法，其特征在于，所述问答模型的训...
【专利技术属性】
技术研发人员：李鹏，蒋屹新，徐文倩，张喜铭，梁志宏，杨祎巍，杨秋勇，徐欢，
申请(专利权)人：南方电网科学研究院有限责任公司，
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。