提示信息生成方法以及任务处理方法与流程
本说明书实施例涉及人工智能,特别涉及提示信息生成方法以及任务处理方法。
背景技术:
1、随着大语言模型在自然语言处理领域的广泛应用,提示信息(prompt)作为连接人类意图与模型能力的关键桥梁,其质量决定了模型输出结果的准确性与可靠性。因此,构建高质量的提示信息以激发模型的推理能力、规范输出格式并减少幻觉,已成为提升人工智能应用效果的核心环节。
2、目前,提示信息生成方案主要依赖人工经验进行设计或通过简单的模板匹配来实现。然而,这种方式不仅耗时费力,且缺乏系统性的优化机制,导致生成的提示信息在面对复杂多变的场景时,容易出现逻辑漏洞,导致任务适配性差,难以保证模型输出质量。
技术实现思路
1、有鉴于此,本说明书实施例提供了一种提示信息生成方法。本说明书一个或者多个实施例同时涉及一种任务处理方法,一种提示信息生成装置,一种任务处理装置,一种计算设备,一种计算机可读存储介质以及一种计算机程序产品,以解决现有技术中存在的技术缺陷。
2、根据本说明书实施例的第一方面,提供了一种提示信息生成方法,包括:
3、获取目标任务的初始提示信息;
4、根据初始提示信息,从提示信息库中筛选出辅助提示信息和辅助提示信息的辅助元数据,其中,辅助元数据包括异常任务数据集、目标辅助提示信息、调整指标以及目标辅助提示信息的调整思维链,异常任务数据集基于辅助提示信息进行任务处理得到,目标辅助提示信息基于对辅助提示信息进行调整得到,调整指标用于反映目标辅助提示信息相对于辅助提示信息的提示性能;
5、调用信息生成模型,基于辅助提示信息和辅助元数据,对初始提示信息进行调整,获得目标任务的目标提示信息。
6、根据本说明书实施例的第二方面,提供了一种任务处理方法,包括:
7、获取目标任务的目标任务数据和目标提示信息,其中,目标提示信息基于提示信息生成方法得到;
8、调用任务处理模型,基于目标提示信息,对目标任务数据进行处理,获得目标任务结果。
9、根据本说明书实施例的第三方面,提供了一种提示信息生成装置,包括:
10、第一获取模块,被配置为获取目标任务的初始提示信息;
11、筛选模块,被配置为根据初始提示信息,从提示信息库中筛选出辅助提示信息和辅助提示信息的辅助元数据,其中,辅助元数据包括异常任务数据集、目标辅助提示信息、调整指标以及目标辅助提示信息的调整思维链,异常任务数据集基于辅助提示信息进行任务处理得到,目标辅助提示信息基于对辅助提示信息进行调整得到,调整指标用于反映目标辅助提示信息相对于辅助提示信息的提示性能;
12、调整模块,被配置为调用信息生成模型,基于辅助提示信息和辅助元数据,对初始提示信息进行调整,获得目标任务的目标提示信息。
13、根据本说明书实施例的第四方面,提供了一种任务处理装置,包括:
14、第二获取模块,被配置为获取目标任务的目标任务数据和目标提示信息,其中,目标提示信息基于提示信息生成方法得到;
15、处理模块,被配置为调用任务处理模型,基于目标提示信息,对目标任务数据进行处理,获得目标任务结果。
16、根据本说明书实施例的第五方面,提供了一种计算设备,包括:
17、存储器和处理器;
18、所述存储器用于存储计算机程序/指令,所述处理器用于执行所述计算机程序/指令,该计算机程序/指令被处理器执行时实现上述第一方面或者第二方面所提供的方法的步骤。
19、根据本说明书实施例的第六方面,提供了一种计算机可读存储介质,其存储有计算机程序/指令,该计算机程序/指令被处理器执行时实现上述第一方面或者第二方面所提供的方法的步骤。
20、根据本说明书实施例的第七方面,提供了一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时实现上述第一方面或者第二方面所提供的方法的步骤。
21、本说明书一个实施例提供的提示信息生成方法,通过深度整合提示信息库中富含实战经验的辅助提示信息和辅助元数据,将包含异常任务数据集、目标辅助提示信息、调整指标以及调整思维链在内的细粒度历史优化上下文,作为决策依据输入信息生成模型。这种机制赋予了信息生成模型强大的因果推理与跨任务知识迁移能力,使得信息生成模型能够基于过往的成功范式和/或失败教训,精准定位初始提示信息的薄弱环节并定向补全逻辑漏洞,显著提升了目标提示信息的逻辑严密性与任务适配度,确保任务处理模型在处理复杂目标任务时能够输出更加精准、稳定且高质量的响应结果。
1.一种提示信息生成方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述提示信息库包括第一提示信息子库和第二提示信息子库,所述第一提示信息子库存储的候选调整指标为正向指标,所述第二提示信息子库存储的候选调整指标为负向指标;
3.根据权利要求1所述的方法,其特征在于,所述调用信息生成模型,基于所述辅助提示信息和所述辅助元数据,对所述初始提示信息进行调整,获得所述目标任务的目标提示信息,包括:
4.根据权利要求1所述的方法,其特征在于,所述提示信息库包括候选提示信息和所述候选提示信息的候选元数据;
5.根据权利要求1至4任一项所述的方法,其特征在于,所述根据所述初始提示信息,从提示信息库中筛选出辅助提示信息和所述辅助提示信息的辅助元数据之前,还包括:
6.根据权利要求5所述的方法,其特征在于,所述获取候选提示信息和所述候选提示信息的候选异常任务数据集,包括:
7.根据权利要求5所述的方法,其特征在于,所述分别对所述候选提示信息和目标候选提示信息进行任务性能评估,获得候选调整指标,包括:
8.根据权利要求1至4任一项所述的方法,其特征在于,所述调用信息生成模型,基于所述辅助提示信息和所述辅助元数据,对所述初始提示信息进行调整,获得所述目标任务的目标提示信息之后,还包括:
9.一种任务处理方法,其特征在于,包括:
10.一种计算设备,其特征在于,包括:
11.一种计算机可读存储介质,其特征在于,其存储有计算机程序/指令,该计算机程序/指令被处理器执行时实现权利要求1至9任意一项所述方法的步骤。
12.一种计算机程序产品,其特征在于,包括计算机程序/指令,该计算机程序/指令被处理器执行时实现权利要求1至9任意一项所述方法的步骤。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com