【技术实现步骤摘要】
本专利技术涉及人工智能，尤其涉及一种基于大模型的学科交互问答方法及助教智能体。
技术介绍
1、大语言模型是一种基于深度学习的自然语言处理模型，它能够学习并生成人类语言，llm（large language model，大语言模型）的核心是深度学习技术，特别是自然语言处理领域的神经网络模型，这些模型通常拥有数十亿到数万亿个参数，能够处理各种自然语言处理任务，基于大语言模型的学科交互问答系统是大语言模型的一个重要应用。
2、大部分现有llm的基本功能都是精准、正确、快速地给出用户所需的答案，构建问题——解答的直接映射；同时，现有llm往往重点使用预训练（pretrain）作为技术核心，面向较为广泛的知识场域，而对集中于某一特定领域的知识问答方面存在一定的问题，例如对于大学级别的理工学科的ai助教项目，当前的llm的设计方法不能完全满足学生学习特定学科的需求。
技术实现思路
1、本专利技术提供一种基于大模型的学科交互问答方法及助教智能体，用以解决现有技术中大语言模型不具有特定领域充足的相关知识、不能以引导方式解答学生疑问的缺陷。本专利技术通过学科知识库可以提高大模型回答的准确性和相关性。并且通过隐含交互流程的提示词，来使大语言模型针对特定学科进行交互式多轮问题，以实现在回答学生问题过程中隐藏、引导、逐步给出问题解答思路，对学生具有更好的实用价值。
2、本专利技术提供一种基于大模型的学科交互问答方法，包括：建立学科知识库；基于检索增强算法从所述学科知识库中确定知识片
3、根据本专利技术提供的一种基于大模型的学科交互问答方法，所述建立学科知识库，包括：对学科资料中的信息进行提取，得到学科信息；对所述学科信息进行切分，得到切分数据；基于所述切分数据，采用提示工程的方式指导大语言模型生成所述学科知识库。
4、根据本专利技术提供的一种基于大模型的学科交互问答方法，所述基于检索增强算法从所述学科知识库中确定知识片段，包括：根据当前问题从所述学科知识库中检索出最匹配的文本片段；根据所述当前问题和所述文本片段，生成用于回答当前问题的所述知识片段。
5、根据本专利技术提供的一种基于大模型的学科交互问答方法，所述基于所述学科知识库，设计隐含交互流程的提示词，包括：基于所述学科知识库和当前问题，确定所述大模型的解答背景；规定所述大模型回答当前问题时应掌握所述学科知识库的知识和所述格式要求，且以助教的身份回答当前问题；将所述多轮解答逻辑结构分为第一解答模式、第二解答模式和第三解答模式；所述第一解答模式用于提供回答当前问题的初步思路；所述第二解答模式用于提供回答当前问题的部分思路；所述第三解答模式用于提供回答当前问题的全部思路；根据所述多轮解答逻辑结构确定所述每轮解答的内容。
6、本专利技术还提供一种基于大模型的学科交互问答助教智能体，包括：建立模块，用于建立学科知识库；确定模块，用于基于检索增强算法从所述学科知识库中确定知识片段；所述知识片段作为大模型的上下文信息；设计模块，用于基于所述学科知识库，设计隐含交互流程的提示词；所述隐含交互流程的提示词包括大模型的解答背景、多轮解答逻辑结构和每轮解答的内容与格式要求；结果模块，用于输入所述知识片段和所述隐含交互流程的提示词至预训练的大模型，得到所述大模型输出的学科交互问答结果。
7、根据本专利技术提供的一种基于大模型的学科交互问答助教智能体，所述建立模块包括提取模块、切分模块和提示模块；所述提取模块用于对学科资料中的信息进行提取，得到学科信息；所述切分模块用于对所述学科信息进行切分，得到切分数据；所述提示模块用于基于所述切分数据，采用提示工程的方式指导大语言模型生成所述学科知识库。
8、根据本专利技术提供的一种基于大模型的学科交互问答助教智能体，所述确定模块包括检索模块和生成模块；所述检索模块用于根据当前问题从所述学科知识库中检索出最匹配的文本片段；所述生成模块用于根据所述当前问题和所述文本片段，生成用于回答当前问题的所述知识片段。
9、根据本专利技术提供的一种基于大模型的学科交互问答助教智能体，所述设计模块包括背景模块、规定模块、逻辑模块和内容模块；所述背景模块用于基于所述学科知识库和当前问题，确定所述大模型的解答背景；所述规定模块用于规定所述大模型回答当前问题时应掌握所述学科知识库的知识和所述格式要求，且以助教的身份回答当前问题；所述逻辑模块用于将所述多轮解答逻辑结构分为第一解答模式、第二解答模式和第三解答模式；所述第一解答模式用于提供回答当前问题的初步思路；所述第二解答模式用于提供回答当前问题的部分思路；所述第三解答模式用于提供回答当前问题的全部思路；所述内容模块用于根据所述多轮解答逻辑结构确定所述每轮解答的内容。
10、本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一种所述基于大模型的学科交互问答方法。
11、本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于大模型的学科交互问答方法。
12、本专利技术提供的一种基于大模型的学科交互问答方法及助教智能体，该方法包括：建立学科知识库；基于检索增强算法从学科知识库中确定知识片段；知识片段作为大模型的上下文信息；基于学科知识库，设计隐含交互流程的提示词；隐含交互流程的提示词包括大模型的解答背景、多轮解答逻辑结构和每轮解答的内容与格式要求；输入知识片段和隐含交互流程的提示词至预训练的大模型，得到大模型输出的学科交互问答结果。本专利技术通过学科知识库可以提高大模型回答的准确性和相关性。并且通过隐含交互流程的提示词，来使大语言模型针对特定学科进行交互式多轮问题，以实现在回答学生问题过程中隐藏、引导、逐步给出问题解答思路，对学生具有更好的实用价值。
本文档来自技高网...【技术保护点】
1.一种基于大模型的学科交互问答方法，其特征在于，包括：
2.根据权利要求1所述的基于大模型的学科交互问答方法，其特征在于，所述建立学科知识库，包括：
3.根据权利要求1所述的基于大模型的学科交互问答方法，其特征在于，所述基于检索增强算法从所述学科知识库中确定知识片段，包括：
4.根据权利要求1至3任一项所述的基于大模型的学科交互问答方法，其特征在于，所述基于所述学科知识库，设计隐含交互流程的提示词，包括：
5.一种基于大模型的学科交互问答助教智能体，其特征在于，包括：
6.根据权利要求5所述的基于大模型的学科交互问答助教智能体，其特征在于，所述建立模块包括提取模块、切分模块和提示模块；
7.根据权利要求5所述的基于大模型的学科交互问答助教智能体，其特征在于，所述确定模块包括检索模块和生成模块；
8.根据权利要求5至7任一项所述的基于大模型的学科交互问答助教智能体，其特征在于，所述设计模块包括背景模块、规定模块、逻辑模块和内容模块；
9.一种电子设备，包括存储器、处理器及存储在所述存储
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述基于大模型的学科交互问答方法。
...【技术特征摘要】
1.一种基于大模型的学科交互问答方法，其特征在于，包括：
2.根据权利要求1所述的基于大模型的学科交互问答方法，其特征在于，所述建立学科知识库，包括：
3.根据权利要求1所述的基于大模型的学科交互问答方法，其特征在于，所述基于检索增强算法从所述学科知识库中确定知识片段，包括：
4.根据权利要求1至3任一项所述的基于大模型的学科交互问答方法，其特征在于，所述基于所述学科知识库，设计隐含交互流程的提示词，包括：
5.一种基于大模型的学科交互问答助教智能体，其特征在于，包括：
6.根据权利要求5所述的基于大模型的学科交互问答助教智能体，其特征在于，所述建立模块包括提取模块、切分模块和提示模块；...
【专利技术属性】
技术研发人员：祝尔乐，周晋，刘雅迪，张哲，王宏宁，张鹏，黄民烈，
申请(专利权)人：清华大学，
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。