【技术实现步骤摘要】
本专利技术涉及个性化推荐，更具体的涉及大语言模型智能体个性化响应生成方法及装置。
技术介绍
1、大语言模型（llms，largelanguagemodels）的兴起推动了自主智能体的发展，这类智能体通常包含角色塑造、记忆、规划及行动等模块，可通过思维链（cot，chain-of-thought）、思维树（tot，treeofthoughts）及reflexion等技术实现复杂任务推理、动态决策与自我优化，已广泛应用于市场营销、软件开发等领域。随着用户对个性化交互需求的提升，智能体行为定制化成为重要研究方向。llms智能体的个性化任务中，用户当前意图受其偏好集合影响，偏好集合可从历史交互中提取，且每个偏好对应特定强度，而传统方法（如协同过滤）因缺乏语义理解与丰富交互能力，逐渐被语言驱动的llms个性化方法替代。
2、当前llms个性化方法主要分为两类：一是微调方法，通过用户数据调整模型参数适配偏好，但需大量计算资源，且模型静态化难以适应用户实时需求变化；二是无训练个性化方法，包括实时数据检索（rag）和提示工程，前者通过检索用...
【技术保护点】
1.大语言模型智能体个性化响应生成方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述偏好链通过下列公式确定：
3.如权利要求1所述的方法，其特征在于，所述细粒度对齐得分以及每个偏好的相对强度通过下列公式确定：
4.如权利要求1所述的方法，其特征在于，所述提示模板包括“历史偏好链、当前对话、已生成响应片段”；
5.大语言模型智能体个性化响应生成装置，其特征在于，包括：
6.如权利要求5所述的装置，其特征在于，所述偏好链通过下列公式确定：
7.如权利要求5所述的装置，其特征在于，所...
【技术特征摘要】
1.大语言模型智能体个性化响应生成方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述偏好链通过下列公式确定：
3.如权利要求1所述的方法，其特征在于，所述细粒度对齐得分以及每个偏好的相对强度通过下列公式确定：
4.如权利要求1所述的方法，其特征在于，所述提示模板包括“历史偏好链、当前对话、已生成响应片段”；
5.大语言模型智能体个性化响应生成装置，其特征在于，包括：
6.如权利要求5所述的装置，其特征在于，所述偏好链通过下列公式确定：
7.如权利要求5所述的装置，其特征在于，所述...
【专利技术属性】
技术研发人员：王震，王瑞冰，郭森森，聂弘毅，张慧翔，高超，
申请(专利权)人：西北工业大学，
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。