【技术实现步骤摘要】
本专利技术涉及在线教育，具体涉及一种基于大模型的自动化任务执行方法、系统、终端及介质。
技术介绍
1、在人工智能领域，尤其是法律在线教育中，人工智能已展现出巨大潜力。人工智能模型不仅能理解和生成复杂文本，而且在智能批改、法律信息检索等方面已经发展成熟。然而，随着法律教育平台功能的增多，用户经常需要在不同的页面之间切换来使用这些功能，例如批改功能需要在智能批改页面完成，法律信息检索需要在信息检索页面完成。这种繁琐的操作流程减缓了学习效率，增加了用户的认知负担。为了简化用户体验并提高效率，有必要开发一种能够自主决定何时调用这些工具的系统。
2、此外，现有的系统通常只提供文本内容的返回，例如批改结果或检索信息。尽管这些信息对学习过程有所帮助，但它们往往缺乏更深入的分析和指导。例如，在批改功能中，用户可能只获得了错误的标记以及预定义的答案解析，而无法进一步的了解错误的原因或如何改进。
3、现有的法律教育平台面临一些关键挑战，比如功能分散的问题，用户需要在不同的功能页面之间切换，如从智能批改页面到信息检索页面，分散的功能布局不仅导致操作过程繁琐，还影响了学习效率和用户体验。
技术实现思路
1、针对现有技术中的缺陷，本专利技术提供的一种基于大模型的自动化任务执行方法、系统、终端及介质，根据用户输入的内容分析出用户意图，并根据用户意图自动调用对应的工具满足用户意图，可以减少用户的操作步骤，大大提高用户体验和用户的学习效率。
2、第一方面，本专利技术实施例提供的
3、获取用户输入的文本信息；
4、将所述文本信息输入训练好的预测模型中进行预测，预测模型根据文本信息确定用户意图，根据用户意图判断是否需要使用工具及使用工具的名称，若需要使用工具，则自动调用与用户意图相对应的工具进行处理，接收工具的返回信息；
5、将所述文本信息和返回信息进行语言重组，将重组后的结果输出给用户。
6、第二方面，本专利技术实施例提供的一种基于大模型的自动化任务执行系统，包括文本接收模块、模型预测模块和结果输出模块，
7、所述文本接收模块用于获取用户输入的文本信息；
8、所述模型预测模块用于将所述文本信息输入训练好的预测模型中进行预测，预测模型根据文本信息确定用户意图，根据用户意图判断是否需要使用工具及使用工具的名称，若需要使用工具，则自动调用与用户意图相对应的工具进行处理，接收工具的返回信息；
9、所述结果输出模块用于将文本信息和返回信息进行语言重组，将重组后的结果输出给用户。
10、第三方面，本专利技术实施例提供的一种智能终端，包括处理器、输入设备、输出设备和存储器，所述处理器分别与输入设备、输出设备和存储器连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述实施例描述的方法。
11、第四方面，本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述实施例描述的方法。
12、本专利技术的有益效果：
13、本专利技术实施例提供的一种基于大模型的自动化任务执行方法，根据用户输入的内容分析出用户意图，并根据用户意图自动调用对应的工具满足用户意图，可以减少用户的操作步骤，大大提高用户体验和用户的学习效率。
14、本专利技术实施例提供一种基于大模型的自动化任务执行系统、智能终端和介质，与上述一种基于大模型的自动化任务执行方法出于相同的专利技术构思，具有相同的有益效果。
本文档来自技高网...【技术保护点】
1.一种基于大模型的自动化任务执行方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述方法还包括构建用于自动执行任务的预测模型，具体包括：
3.如权利要求2所述的方法，其特征在于，所述方法还包括：对预测模型进行预训练得到预训练后的预测模型，构造训练数据集对预训练后的预测模型采用基于提示的微调方法进行训练得到训练好的预测模型。
4.如权利要求3所述的方法，其特征在于，所述构造训练数据集的具体方法包括：设置调用工具的要素，并采用不同的标识符对要素进行标示，对每个要素的含义进行说明，所述要素包括参数模板信息、用户输入、模型的回答内容和模型调用工具后的输出。
5.一种基于大模型的自动化任务执行系统，其特征在于，包括文本接收模块、模型预测模块和结果输出模块，
6.如权利要求5所述的系统，其特征在于，所述系统还包括模型构建模块，所述模型构建模块构建用于自动执行任务的预测模型，所述模型构建模块包括嵌入层构建单元、自注意力层构建单元和前馈神经网络构建单元，所述嵌入层构建单元用于构建嵌入层，对输入的每个词映射为一个固定维
7.如权利要求6所述的系统，其特征在于，所述系统还包括模型训练模块，所述模型训练模块用于对预测模型进行预训练得到预训练后的预测模型，构造训练数据集对预训练后的预测模型采用基于提示的微调方法进行训练得到训练好的预测模型。
8.如权利要求7所述的系统，其特征在于，所述模型训练模块包括数据集构造单元，所述数据集构造单元用于设置调用工具的要素，并采用不同的标识符对要素进行标示，对每个要素的含义进行说明，所述要素包括参数模板信息、用户输入、模型的回答内容和模型调用工具后的输出。
9.一种智能终端，包括处理器、输入设备、输出设备和存储器，所述处理器分别与输入设备、输出设备和存储器连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，其特征在于，所述处理器被配置用于调用所述程序指令，执行如权利要求1-4任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-4任一项所述的方法。
...【技术特征摘要】
1.一种基于大模型的自动化任务执行方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述方法还包括构建用于自动执行任务的预测模型，具体包括：
3.如权利要求2所述的方法，其特征在于，所述方法还包括：对预测模型进行预训练得到预训练后的预测模型，构造训练数据集对预训练后的预测模型采用基于提示的微调方法进行训练得到训练好的预测模型。
4.如权利要求3所述的方法，其特征在于，所述构造训练数据集的具体方法包括：设置调用工具的要素，并采用不同的标识符对要素进行标示，对每个要素的含义进行说明，所述要素包括参数模板信息、用户输入、模型的回答内容和模型调用工具后的输出。
5.一种基于大模型的自动化任务执行系统，其特征在于，包括文本接收模块、模型预测模块和结果输出模块，
6.如权利要求5所述的系统，其特征在于，所述系统还包括模型构建模块，所述模型构建模块构建用于自动执行任务的预测模型，所述模型构建模块包括嵌入层构建单元、自注意力层构建单元和前馈神经网络构建单元，所述嵌入层构建单元用于构建嵌入层，对输入的每个词映射为一个固定维度的向量，所述自注意力层构建单元构建...
【专利技术属性】
技术研发人员：刘琛，陈旭阳，杨旭川，
申请(专利权)人：重庆觉晓科技有限公司，
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。