【技术实现步骤摘要】
本专利技术属于大语言模型，具体而言，涉及一种大语言模型问答规则封装方法、介质及系统。
技术介绍
1、当前，大语言模型已经在问答系统、内容生产等领域取得了广泛应用。这些基于大语言模型的系统能够针对用户的自然语言问题给出流畅、连贯的回答。但是，这些大语言模型在生成回答的过程中往往缺乏对相关规则的考虑和约束，很容易产生违反道德、隐私、安全等规则的内容。比如，在回答一些涉及伦理问题、个人隐私、社会安全等的问题时，大语言模型可能会给出一些不恰当、有争议的内容。
2、针对这一问题，一些研究者尝试通过在训练大语言模型时加入规则约束来解决。但是这种方法往往难以覆盖所有可能出现的规则场景，而且规则的设计和实现也非常复杂。另一些研究则提出通过构建专门的规则模块来辅助大语言模型生成符合规则的回答。但这种方法通常需要大量的人工标注样本来训练规则模块，而且规则模块与大语言模型之间的耦合度较高，难以灵活地调整和扩展。
3、因此，亟需一种更加通用、灵活的大语言模型问答规则封装方法，能够有效利用大语言模型的生成能力和各类专门规则的约束能力，生成...
【技术保护点】
1.一种大语言模型问答规则封装方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种大语言模型问答规则封装方法，其特征在于，所述规则类型至少包括道德规则、舆论规则、隐私规则、安全规则、文化规则、法律规则、情感规则、逻辑规则。
3.根据权利要求2所述的一种大语言模型问答规则封装方法，其特征在于，所述每个轻量级神经网络对输入的内容进行对应规则处理，具体是对输入的文本进行语义分析，识别出违反对应规则的内容，并对违规内容进行修改或删除，最后输出符合规则要求的文本。
4.根据权利要求3所述的一种大语言模型问答规则封装方法，其特征在于，...
【技术特征摘要】
1.一种大语言模型问答规则封装方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种大语言模型问答规则封装方法，其特征在于，所述规则类型至少包括道德规则、舆论规则、隐私规则、安全规则、文化规则、法律规则、情感规则、逻辑规则。
3.根据权利要求2所述的一种大语言模型问答规则封装方法，其特征在于，所述每个轻量级神经网络对输入的内容进行对应规则处理，具体是对输入的文本进行语义分析，识别出违反对应规则的内容，并对违规内容进行修改或删除，最后输出符合规则要求的文本。
4.根据权利要求3所述的一种大语言模型问答规则封装方法，其特征在于，所述轻量级神经网络采用多层感知机结构，用于文本分类和内容修改，输入是待处理的文本向量，输出是修改后的文本向量及其对应的规则符合度得分。
5.根据权利要求4所述的一种大语言模型问答规则封装方法，其特征在于，所述轻量级神经网络的训练数据集的构建步骤具体包括收集大量符合和违反特定规则的文本样本、对样本进行预处理和标注、将样本转化为向量形式、划分训...
【专利技术属性】
技术研发人员：薛雁，王炳文，周慧磊，游恒飞，
申请(专利权)人：青岛网信信息科技有限公司，
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。