【技术实现步骤摘要】
本专利技术涉及水利工程和人工智能领域,具体是一种用于数字孪生水利系统中大语言模型的低干预高效调控方法及系统。
技术介绍
1、数字孪生水利大模型在非指导性条件下存在可控性与稳定性不足的问题。随着数字孪生技术在水利工程系统中深入部署,基于大语言模型的自然语言生成能力被广泛应用于智能调度解释、监测数据播报和应急预警响应等关键场景。然而,在无明确提示或任务的非指导状态下,模型输出往往缺乏可控的方向性,易出现表达结构偏移、主题跳变和语义漂移。近期研究通过分析多代生成的表达连续性、结构倾向及涌现的行为惯性,揭示了模型内部自驱动的流动趋势,但在水利数字孪生领域尚未对该过程进行实时观测与干预,导致微小扰动会引起全局行为的不可预期偏移,从而增加了系统运行风险。
2、现有技术主要依赖定向重训练和强化学习方式实现大模型的行为塑造。针对数字孪生场景,为提高生成文本的可控性和风格一致性,常采用确定性promote注入、软性表达模板或rlhf等方法对模型进行再训练或增量微调。这些方法能够在一定程度上校准生成路径,防止语义偏差和风格失调,提高对调度解释与
...【技术保护点】
1.一种用于数字孪生水利系统中大语言模型的低干预高效调控方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种用于数字孪生水利系统中大语言模型的低干预高效调控方法,其特征在于,所述步骤(1)中通过定义基于均匀分布的随机采样函数构建非指导性测试集的生成逻辑如下:,
3.根据权利要求1所述的一种用于数字孪生水利系统中大语言模型的低干预高效调控方法,其特征在于,所述步骤(1)中模型多轮生成采样的概率建模方法如下:
4.根据权利要求3所述的一种用于数字孪生水利系统中大语言模型的低干预高效调控方法,其特征在于,所述步骤(1)中为量化模
...【技术特征摘要】
1.一种用于数字孪生水利系统中大语言模型的低干预高效调控方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种用于数字孪生水利系统中大语言模型的低干预高效调控方法,其特征在于,所述步骤(1)中通过定义基于均匀分布的随机采样函数构建非指导性测试集的生成逻辑如下:,
3.根据权利要求1所述的一种用于数字孪生水利系统中大语言模型的低干预高效调控方法,其特征在于,所述步骤(1)中模型多轮生成采样的概率建模方法如下:
4.根据权利要求3所述的一种用于数字孪生水利系统中大语言模型的低干预高效调控方法,其特征在于,所述步骤(1)中为量化模型生成内容的语义连贯性和主题递进稳定性,基于嵌入相似度计算生成文本之间的语义一致性指标,语义连贯性量化方法如下:
5.根据权利要求4所述的一种用于数字孪生水利系统中大语言模型的低干预高效调控方法,其特征在于,所述步骤(2)的具体步骤如下:
6.根据权利要求1所述的一种用于数字孪生水利系统中大语言模型的低干预高效调控方法,其特征在于,所述步骤(3)中在生成轨迹分析中标记的表达转向关键点处,用一组微扰...
【专利技术属性】
技术研发人员:徐航,颉志强,覃茜,苏海东,祁勇峰,龚亚琦,袁敏,马俊涛,笪乐天,
申请(专利权)人:长江水利委员会长江科学院,
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。