【技术实现步骤摘要】
本申请涉及人工智能，具体涉及一种基于大语言模型的复杂任务分解与动态优化装置和方法。
技术介绍
1、目前，大语言模型的应用范围已大幅扩展，不仅涵盖了文本生成，还应用于更加复杂的决策任务。例如，一些大语言模型已经能够用于交互式环境中的任务执行，包括在游戏环境中进行导航、完成任务指令，在复杂环境中搜索与筛选。这些能力使得大语言模型在多步骤、长链任务的执行中表现出一定的优势，适用于从复杂的文本推理到交互式决策的多种任务。
2、然而，尽管大语言模型展示了极高的潜力，但它们在执行复杂的多步骤任务中仍然存在诸多局限性。这些局限性尤其体现在任务执行失败的情况，现有的大语言模型缺乏对任务失败反馈的响应能力，在任务执行失败时无法自动调整，从而导致模型执行任务的失败率较高。
技术实现思路
1、基于此，本申请提供了一种基于大语言模型的复杂任务分解与动态优化装置和方法，能够降低模型执行任务的失败率。
2、根据本申请的一方面，提出一种基于大语言模型的复杂任务分解与动态优化方法，包括：基于预先训...
【技术保护点】
1.一种基于大语言模型的复杂任务分解与动态优化方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于预先训练的大语言模型，将待执行任务分解成多个子任务，并生成执行所述多个子任务的任务指令队列，包括：
3.根据权利要求1所述的方法，其特征在于，还包括：
4.根据权利要求1所述的方法，其特征在于，所述根据所述任务执行数据和预设正常范围生成执行状态反馈信息，包括：
5.根据权利要求1所述的方法，其特征在于，还包括：
6.根据权利要求5所述的方法，其特征在于，所述根据所述执行状态反馈信息生成任务...
【技术特征摘要】
1.一种基于大语言模型的复杂任务分解与动态优化方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于预先训练的大语言模型，将待执行任务分解成多个子任务，并生成执行所述多个子任务的任务指令队列，包括：
3.根据权利要求1所述的方法，其特征在于，还包括：
4.根据权利要求1所述的方法，其特征在于，所述根据所述任务执行数据和预设正常范围生成执行状态反馈信息，包括：
5.根据权利要求1所述的方法，其特征在于，还包括：
6.根据权利要求5所述的方法，其特征在于，所述根据所述执行状态反馈信息生成任务分解策略调整指...
【专利技术属性】
技术研发人员：兴军亮，孙熠，甘耀中，纪志鹏，陶品，史元春，
申请(专利权)人：启元实验室，
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。