【技术实现步骤摘要】
本专利技术属于车联网，具体的说是一种大模型智能定义场景系统和方法。
技术介绍
1、当前车主对场景化的服务都是被动接收，很难参与场景定义，不清楚汽车的数据和服务，需要大模型智能服务进行主动智能化定义场景，满足用户日益增长的个性化场景需求。
2、随着车联网能力和整车智能提升，用户对汽车智能要求更高，用户希望能有个性化场景服务，车厂定义好的场景服务无法满足用户个体需求，需要场景自定义的功能，目前自定义功能，内容简单、服务单一、操作复杂，还有更重要的是场景定义智能化能力不足。
技术实现思路
1、针对以上问题，本专利技术提供了一种大模型智能定义场景系统和方法，包括语音接收系统asr，场景卡智能定义大模型、场景卡定义执行模块和大模型训练；场景卡智能定义大模型包括语义理解、上下文判断、指令意图识别；场景卡定义执行模块包括场景json解析、协议命令和车辆场景执行脚本；大模型训练包括训练数据输入、sft微调、大模型部署上线；在语音交流中，场景卡智能定义大模型主动识别用户应用场景变化，自动生成新的场景卡json和识别已有场景卡进行修改更新，大模型智能识别新定义用户场景，场景卡定义执行模块将文本json转换为车辆执行的脚本，在车辆显示屏进行场景卡显示并进行语音确认，确认后将该场景卡创建并进行记录，记录后再经过大模型训练；本专利技术构建了基于大模型的场景智能定义方法，通过用户历史的语音交流，能够智能定义出用户需要的个性化场景服务。
2、本专利技术技术方案如下，一种大模型智能定义场景
3、语音接收系统asr(automatic speech recognition)，场景卡智能定义大模型、场景卡定义执行模块和大模型训练；场景卡智能定义大模型包括语义理解、上下文判断、指令意图识别；场景卡定义执行模块包括场景json(javascript object notation，一种轻量级的数据交换格式)解析、协议命令和车辆场景执行脚本；大模型训练包括训练数据输入、sft(supervised fine-tun-ing监督微调)微调、大模型部署上线。
4、进一步的，语音接收系统asr能够获取语音数据asr，将asr解析重构后生成大模型prompt(“提示词”，给ai模型提示输入信息的上下文和输入模型的参数信息)。
5、进一步的，语义理解在处理数据时，在学习语言的基本结构，还学习如何根据上下文和语境正确地解释和应用这些语言元素；
6、上下文判断能够提升模型对文本的理解能力，还能在处理复杂语境时保持连贯性和理解力；
7、指令意图识别能够进行车辆场景指令的识别，确认是否为新场景，还是已有场景进行变更，进而生成的场景创建/修改的json。
8、进一步的，场景json解析能够解析场景json，构建场景卡片，包括场景名称、服务名、服务命令；
9、协议命令能够构建车辆执行的服务命令；
10、车辆场景执行脚本包括hmi(human machine interface的缩写，hmi是系统和用户之间进行交互和信息交换的媒介，它实现信息的内部形式与人类可以接受形式之间的转换)显示文本、语音tts(text to speech的缩写,即“从文本到语音”)和车辆执行服务命令。
11、进一步的，训练数据输入包括：llm(“large language model”的缩写，意为“大型语言模型”)输出json、历史指令积累、指令定义集合、问答对和场景指令。
12、进一步的，sft微调具体为创建一个新的神经网络模型，这个模型复制了预训练模型除了输出层外的所有模型设计和参数。输出层因为与源数据集的标签紧密相关，为目标模型添加一个输出层，其大小为目标数据集类别的个数，并随机初始化该层的参数，在目标数据集上进行训练时，从头训练输出层，而其余层的参数则基于源模型的参数进行调整。
13、一种大模型智能定义场景方法，具体为：
14、在语音交流中，场景卡智能定义大模型主动识别用户应用场景变化，自动生成新的场景卡json和识别已有场景卡进行修改更新，大模型智能识别新定义用户场景，场景卡定义执行模块将文本json转换为车辆执行的脚本，在车辆显示屏进行场景卡显示并进行语音确认，确认后将该场景卡创建并进行记录，记录后再经过大模型训练。
15、本专利技术的有益效果为：
16、本专利技术构建了基于大模型的场景智能定义方法，通过用户历史的语音交流，能够智能定义出用户需要的个性化场景服务。
本文档来自技高网...【技术保护点】
1.一种大模型智能定义场景系统，其特征在于，包括：语音接收系统ASR，场景卡智能定义大模型、场景卡定义执行模块和大模型训练；场景卡智能定义大模型包括语义理解、上下文判断、指令意图识别；场景卡定义执行模块包括场景json解析、协议命令和车辆场景执行脚本；大模型训练包括训练数据输入、SFT微调、大模型部署上线。
2.根据权利要求1所述的一种大模型智能定义场景系统，其特征在于，语音接收系统ASR能够获取语音数据ASR，将ASR解析重构后生成大模型prompt。
3.根据权利要求1所述的一种大模型智能定义场景系统，其特征在于，语义理解在处理数据时，在学习语言的基本结构，还学习如何根据上下文和语境正确地解释和应用这些语言元素；
4.根据权利要求1所述的一种大模型智能定义场景系统，其特征在于，场景json解析能够解析场景json，构建场景卡片，包括场景名称、服务名、服务命令；协议命令能够构建车辆执行的服务命令；
5.根据权利要求1所述的一种大模型智能定义场景系统，其特征在于，训练数据输入包括：LLM输出json、历史指令积累、指令定义集合、问答
6.根据权利要求1所述的一种大模型智能定义场景系统，其特征在于，SFT微调具体为创建一个新的神经网络模型，这个模型复制了预训练模型除了输出层外的所有模型设计和参数。输出层因为与源数据集的标签紧密相关，为目标模型添加一个输出层，其大小为目标数据集类别的个数，并随机初始化该层的参数，在目标数据集上进行训练时，从头训练输出层，而其余层的参数则基于源模型的参数进行调整。
7.一种大模型智能定义场景方法，其特征在于，具体为：在语音交流中，场景卡智能定义大模型主动识别用户应用场景变化，自动生成新的场景卡json和识别已有场景卡进行修改更新，大模型智能识别新定义用户场景，场景卡定义执行模块将文本json转换为车辆执行的脚本，在车辆显示屏进行场景卡显示并进行语音确认，确认后将该场景卡创建并进行记录，记录后再经过大模型训练。
...【技术特征摘要】
1.一种大模型智能定义场景系统，其特征在于，包括：语音接收系统asr，场景卡智能定义大模型、场景卡定义执行模块和大模型训练；场景卡智能定义大模型包括语义理解、上下文判断、指令意图识别；场景卡定义执行模块包括场景json解析、协议命令和车辆场景执行脚本；大模型训练包括训练数据输入、sft微调、大模型部署上线。
2.根据权利要求1所述的一种大模型智能定义场景系统，其特征在于，语音接收系统asr能够获取语音数据asr，将asr解析重构后生成大模型prompt。
3.根据权利要求1所述的一种大模型智能定义场景系统，其特征在于，语义理解在处理数据时，在学习语言的基本结构，还学习如何根据上下文和语境正确地解释和应用这些语言元素；
4.根据权利要求1所述的一种大模型智能定义场景系统，其特征在于，场景json解析能够解析场景json，构建场景卡片，包括场景名称、服务名、服务命令；协议命令能够构建车辆执行的服务命令；
5.根据权利要求...
【专利技术属性】
技术研发人员：王洪磊，
申请(专利权)人：一汽奔腾汽车股份有限公司，
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。