【技术实现步骤摘要】
本申请涉及计算机，具体涉及一种任务处理方法、计算设备和计算机可读存储介质。
技术介绍
1、近年来，生成式大模型（如gpt等）在自然语言处理领域取得了显著进展，展现出卓越的通用性和生成能力，能够完成文本生成、语言翻译、代码生成等多种任务。然而，面对复杂任务时，这些模型暴露出一定的局限性，比如任务分解不合理、执行效率低下或资源浪费等问题。
技术实现思路
1、本申请的目的在于提供一种任务处理方法、计算设备及计算机可读存储介质，通过对任务分解过程的评估优化分解目标任务，并根据分解后各子任务的处理难度匹配最优处理策略，提升了资源利用效率以及任务分解的自动化与智能化水平。
2、为达到上述目的：
3、第一方面，本申请实施例提供了一种任务处理方法，包括以下步骤：
4、基于深度学习模型将目标任务分解为多个子任务；
5、评估多个子任务，确定多个子任务的第一评估值；
6、若第一评估值低于第一预设值，则再次基于深度学习模型分解目标任务，直至目标任务分解得到的多个子任务的第一评估值不低于第一预设值；
7、若第一评估值不低于第一预设值，则根据子任务的处理难度对子任务执行对应的处理策略。
8、在一实施方式中，评估多个子任务，包括：
9、基于任务分解评价标准评估多个子任务，任务分解评价标准包括逻辑连贯性、可执行性、子任务粒度合理性、覆盖完整性、输入输出一致性、子任务相关性、工作量平衡性中至少一项。
10、在
11、评估子任务的处理难度，确定第二评估值；
12、若第二评估值在低于第二预设值，则基于多个深度学习模型处理子任务。
13、在一实施方式中，评估子任务的处理难度，包括：
14、基于任务难度评价标准评估子任务的处理难度，任务难度评价标准包括任务复杂性、资源消耗预估、数据依赖度、领域知识深度、结果不确定性中至少一项。
15、在一实施方式中，基于多个深度学习模型处理子任务，包括：
16、基于多个深度学习模型处理子任务，得到多个深度学习模型处理结果；
17、基于预设评估指标分别评估多个深度学习模型处理结果；
18、基于评估结果融合多个深度学习模型处理结果，得到子任务的处理结果。
19、在一实施方式中，基于多个深度学习模型处理子任务之前，任务处理方法还包括：
20、基于预设评估指标评估子任务的输入数据；
21、若子任务的输入数据不符合输入评判标准，则调整子任务的输入数据直至符合输入评判标准。
22、在一实施方式中，预设评估指标包括描述匹配度、结构完整性、输入准确性、内容一致性、语义连贯性中至少一项。
23、在一实施方式中，评估结果为多个深度学习模型处理结果的评估分，基于评估结果融合多个深度学习模型处理结果，得到子任务的处理结果，包括：
24、分别提取多个深度学习模型处理结果的评估分中与预设评估指标中各评估指标对应的最高分，作为与评估指标对应的模型处理结果；
25、融合各评估指标对应的模型处理结果，得到子任务的处理结果。
26、第二方面，本申请实施例提供了一种计算设备，具体包括：
27、处理器；
28、用于存储处理器可执行指令的存储器；
29、其中，处理器配置执行指令，用于执行如第一方面所述的任务处理方法。
30、第三方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，当计算机可读存储介质中的指令由计算设备的处理器执行时，使得计算设备能够实现如第一方面所述的任务处理方法。
31、本申请实施例提供的任务处理方法、计算设备及可读存储介质，包括：基于深度学习模型将目标任务分解为多个子任务；评估多个子任务，确定多个子任务的第一评估值；若第一评估值低于第一预设值，则再次基于深度学习模型分解目标任务，直至目标任务分解得到的多个子任务的第一评估值不低于第一预设值；若第一评估值不低于第一预设值，则根据子任务的处理难度对子任务执行对应的处理策略。如此，通过对任务分解过程的评估优化分解目标任务，并根据分解后各子任务的处理难度匹配最优处理策略，提升了资源利用效率以及任务分解的自动化与智能化水平。
本文档来自技高网...【技术保护点】
1.一种任务处理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述评估所述多个子任务，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据所述子任务的处理难度对所述子任务执行对应的任务处理策略，包括：
4.根据权利要求3所述的方法，其特征在于，所述评估所述子任务的处理难度，包括：
5.根据权利要求3所述的方法，其特征在于，所述基于多个深度学习模型处理所述子任务，包括：
6.根据权利要求4所述的方法，其特征在于，所述基于多个深度学习模型处理所述子任务之前，所述方法还包括：
7.根据权利要求5或6所述的方法，其特征在于，所述预设评估指标包括描述匹配度、结构完整性、输入准确性、内容一致性、语义连贯性中至少一项。
8.根据权利要求7所述的方法，其特征在于，所述评估结果为所述多个深度学习模型处理结果的评估分，所述基于评估结果融合所述多个深度学习模型处理结果，得到所述子任务的处理结果，包括：
9.一种计算设备，其特征在于，包括：处理器和用于存储可执行指令的存储器
10.一种计算机可读存储介质，其特征在于，当所述计算机可读存储介质中的指令由处理器执行时，实现如权利要求1至8中任一项所述的任务处理方法。
...【技术特征摘要】
1.一种任务处理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述评估所述多个子任务，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据所述子任务的处理难度对所述子任务执行对应的任务处理策略，包括：
4.根据权利要求3所述的方法，其特征在于，所述评估所述子任务的处理难度，包括：
5.根据权利要求3所述的方法，其特征在于，所述基于多个深度学习模型处理所述子任务，包括：
6.根据权利要求4所述的方法，其特征在于，所述基于多个深度学习模型处理所述子任务之前，所述方法还包括：
7.根据权利要求5或6所述的方法...
【专利技术属性】
技术研发人员：王泓清，刘勇，
申请(专利权)人：浙江吉利控股集团有限公司，
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。