【技术实现步骤摘要】
本专利技术涉及问答，尤其涉及一种基于大模型的决策辅助方法及装置。
技术介绍
1、随着人工智能技术的飞速发展，如gpt(gpt：generative pre-trainedtransformer，是由openai开发的一系列基于transformer架构的自然语言处理模型。)、deepseek等大模型在自然语言处理领域取得了显著进展。问答技术作为大模型的重要应用之一，旨在通过智能化的方式从海量文档中提取信息并生成精准答案。现有基于知识图谱的问答技术和基于检索增强rag(retrieval-augmented generation，检索增强技术，是一种结合信息检索和生成模型的技术框架，旨在通过从外部知识库或文档中检索相关信息来增强生成模型的性能)的问答技术，主要有以下缺点：
2、(1)基于知识图谱的问答，动态更新困难，知识图谱更新延迟，难以支持实时性强的问答；
3、(2)基于检索增强生成的问答，过度依赖检索内容，生成答案错误率高，且缺乏对生成答案的显式约束；
4、(3)无法满足辅助决策场景下需要专业计算工
【技术保护点】
1.一种基于大模型的决策辅助方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于大模型的决策辅助方法，其特征在于，所述获取和处理用户问题数据，得到用户问题信息，包括：
3.根据权利要求1所述的基于大模型的决策辅助方法，其特征在于，所述问题求解模型包括：任务获取模块、任务分解模块、任务查询模块、知识图谱存储模块、检索矢量存储模块和工具集模块；
4.根据权利要求3所述的基于大模型的决策辅助方法，其特征在于，所述利用问题求解模型，对所述用户问题信息进行处理，得到第二答案信息，包括：
5.根据权利要求4所述的基于大模型...
【技术特征摘要】
1.一种基于大模型的决策辅助方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于大模型的决策辅助方法，其特征在于，所述获取和处理用户问题数据，得到用户问题信息，包括：
3.根据权利要求1所述的基于大模型的决策辅助方法，其特征在于，所述问题求解模型包括：任务获取模块、任务分解模块、任务查询模块、知识图谱存储模块、检索矢量存储模块和工具集模块；
4.根据权利要求3所述的基于大模型的决策辅助方法，其特征在于，所述利用问题求解模型，对所述用户问题信息进行处理，得到第二答案信息，包括：
5.根据权利要求4所述的基于大模型的决策辅助方法，其特征在于，所述基于所述知识图谱存储模块、所述检索矢量存储模块和所述工具集模块，利用所述任务查询模块对所述子任务信息进行处理，得到第二答案信息，包括：
【专利技术属性】
技术研发人员：王一，李迅，张建廷，司华建，李祥，柳林，许敏强，
申请(专利权)人：中国人民解放军九一九七七部队，
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。