解题路径确定方法、装置、设备、介质及程序产品与流程

本技术涉及人工智能，特别涉及一种解题路径确定方法、装置、设备、介质及程序产品。

背景技术：

1、相关技术中，大型语言模型(large language model，llm)和蒙特卡洛树搜索(monte-carlo tree search，mcts)的方法常用来解决数学问题，这些技术主要通过在大数据上预训练的语言模型来学习和预测数学问题的解答步骤。相关技术利用的是模式识别和序列预测的能力来处理从简单算术到复杂证明的各种数学问题。然而相关的mcts框架在解决数学问题时，存在在简单问题上生成复杂且冗长的步骤，或在复杂问题上生成过少的步骤的问题，从而导致解题效果较差。

技术实现思路

1、本技术实施例提供一种解题路径确定方法、装置、设备、介质及程序产品，以解决相关技术中解题效果较差的问题。

2、为解决上述技术问题，本技术是这样实现的：

3、第一方面，本技术实施例提供一种解题路径确定方法，包括：

4、基于预先训练的难度识别模型对获取的目标数学问题进行分析，确定所述目标数学问题的难度等级；

5、基于所述目标数学问题和所述目标数学问题的难度等级，利用束搜索算法确定所述目标数学问题的解题路径。

6、可选地，所述基于所述目标数学问题和所述目标数学问题的难度等级，利用束搜索算法确定所述目标数学问题的解题路径，包括：

7、利用束搜索算法，基于所述目标数学问题生成初始搜索束；

8、基于预先训练的策略模型和所述初始搜索束，生成多个候选解题路径；

9、基于所述目标数学问题的难度等级，确定惩罚函数，所述惩罚函数用于确定所述多个候选解题路径对应的惩罚值；

10、基于预先训练的价值模型和所述惩罚函数对所述多个候选解题路径进行评估，确定所述目标数学问题的解题路径，所述价值模型用于对所述多个候选解题路径进行评分，所述多个候选解题路径包括所述目标数学问题的解题路径。

11、可选地，在基于预先训练的策略模型和所述初始搜索束，生成多个候选解题路径之前，所述方法还包括：

12、利用蒙特卡洛树搜索算法，对样本问题进行解题路径生成，得到多个节点，所述节点用于指示所述样本问题的解题步骤；

13、对所述多个节点进行贡献度评估，得到与所述多个节点一一对应的多个贡献度，所述贡献度用于表征所述节点对生成所述样本问题的正确答案的影响；

14、基于训练数据对初始价值模型和初始策略模型进行训练，得到所述预先训练的策略模型和所述预先训练的价值模型，所述训练数据包括所述多个节点对应的解题数据和贡献度。

15、可选地，所述对所述多个节点进行贡献度评估，得到与所述多个节点一一对应的多个贡献度，包括：

16、基于所述预先训练的难度识别模型对所述样本问题进行分析，确定所述样本问题的难度等级；

17、基于所述样本问题的难度等级和预设函数，对所述多个节点进行贡献度评估，得到与所述多个节点一一对应的多个贡献度。

18、可选地，所述利用蒙特卡洛树搜索算法，对样本问题进行解题路径生成，得到多个节点，包括：

19、以所述样本问题为根节点进行蒙特卡洛树搜索，得到多个节点，其中，从所述根节点开始利用多项式上界置信树puct算法进行节点选择，并基于深度搜索和宽度搜索进行节点扩展，直至满足停止条件达到终止节点，进行回溯至所述根节点，以得到所述样本问题的解题路径。

20、可选地，在所述基于预先训练的难度识别模型对获取的目标数学问题进行分析，确定所述目标数学问题的难度等级之前，所述方法还包括：

21、获取训练样本集，所述训练样本集包括多个数学问题和对应的标准答案；

22、利用预设模型对所述多个数学问题进行解析，得到与所述多个数学问题一一对应的多个解析答案；

23、基于所述多个解析答案和多个目标答案，确定与所述多个数学问题一一对应的多个难度等级；

24、基于所述多个数学问题和对应的难度等级对初始难度识别模型进行训练，得到所述预先训练的难度识别模型。

25、第二方面，本技术实施例提供一种解题路径确定装置，包括：

26、第一确定模块，用于基于预先训练的难度识别模型对获取的目标数学问题进行分析，确定所述目标数学问题的难度等级；

27、第二确定模块，用于基于所述目标数学问题和所述目标数学问题的难度等级，利用束搜索算法确定所述目标数学问题的解题路径。

28、可选地，所述第二确定模块，包括：

29、第一生成单元，用于利用束搜索算法，基于所述目标数学问题生成初始搜索束；

30、第二生成单元，用于基于预先训练的策略模型和所述初始搜索束，生成多个候选解题路径；

31、第一确定单元，用于基于所述目标数学问题的难度等级，确定惩罚函数，所述惩罚函数用于确定所述多个候选解题路径对应的惩罚值；

32、第二确定单元，用于基于预先训练的价值模型和所述惩罚函数对所述多个候选解题路径进行评估，确定所述目标数学问题的解题路径，所述价值模型用于对所述多个候选解题路径进行评分，所述多个候选解题路径包括所述目标数学问题的解题路径。

33、可选地，所述第二确定模块还包括：

34、第三生成单元，用于利用蒙特卡洛树搜索算法，对样本问题进行解题路径生成，得到多个节点，所述节点用于指示所述样本问题的解题步骤；

35、评估单元，用于对所述多个节点进行贡献度评估，得到与所述多个节点一一对应的多个贡献度，所述贡献度用于表征所述节点对生成所述样本问题的正确答案的影响；

36、训练单元，用于基于训练数据对初始价值模型和初始策略模型进行训练，得到所述预先训练的策略模型和所述预先训练的价值模型，所述训练数据包括所述多个节点对应的解题数据和贡献度。

37、可选地，所述评估单元具体用于：

38、基于所述预先训练的难度识别模型对所述样本问题进行分析，确定所述样本问题的难度等级；

39、基于所述样本问题的难度等级和预设函数，对所述多个节点进行贡献度评估，得到与所述多个节点一一对应的多个贡献度。

40、可选地，所述第三生成单元具体用于：

41、以所述样本问题为根节点进行蒙特卡洛树搜索，得到多个节点，其中，从所述根节点开始利用多项式上界置信树puct算法进行节点选择，并基于深度搜索和宽度搜索进行节点扩展，直至满足停止条件达到终止节点，进行回溯至所述根节点，以得到所述样本问题的解题路径。

42、可选地，所述装置还包括：

43、获取模块，用于获取训练样本集，所述训练样本集包括多个数学问题和对应的标准答案；

44、解析模块，用于利用预设模型对所述多个数学问题进行解析，得到与所述多个数学问题一一对应的多个解析答案；

45、第三确定模块，用于基于所述多个解析答案和多个目标答案，确定与所述多个数学问题一一对应的多个难度等级；

46、训练模块，用于基于所述多个数学问题和对应的难度等级对初始难度识别模型进行训练，得到所述预先训练的难度识别模型。

47、第三方面，本技术实施例提供一种电子设备，包括收发机和处理器，所述处理器用于：

48、基于预先训练的难度识别模型对获取的目标数学问题进行分析，确定所述目标数学问题的难度等级；

49、基于所述目标数学问题和所述目标数学问题的难度等级，利用束搜索算法确定所述目标数学问题的解题路径。

50、可选地，所述处理器具体用于：

51、利用束搜索算法，基于所述目标数学问题生成初始搜索束；

52、基于所述目标数学问题的难度等级，确定惩罚函数，所述惩罚函数用于确定所述多个候选解题路径对应的惩罚值；

53、基于预先训练的策略模型和所述初始搜索束，生成多个候选解题路径；

54、基于预先训练的价值模型和所述惩罚函数对所述多个候选解题路径进行评估，确定所述目标数学问题的解题路径，所述价值模型用于对所述多个候选解题路径进行评分，所述多个候选解题路径包括所述目标数学问题的解题路径。

55、可选地，所述处理器还用于：

56、利用蒙特卡洛树搜索算法，对样本问题进行解题路径生成，得到多个节点，所述节点用于指示所述样本问题的解题步骤；

57、对所述多个节点进行贡献度评估，得到与所述多个节点一一对应的多个贡献度，所述贡献度用于表征所述节点对生成所述样本问题的正确答案的影响；

58、基于训练数据对初始价值模型和初始策略模型进行训练，得到所述预先训练的策略模型和所述预先训练的价值模型，所述训练数据包括所述多个节点对应的解题数据和贡献度。

59、可选地，所述处理器具体用于：

60、基于所述预先训练的难度识别模型对所述样本问题进行分析，确定所述样本问题的难度等级；

61、基于所述样本问题的难度等级和预设函数，对所述多个节点进行贡献度评估，得到与所述多个节点一一对应的多个贡献度。

62、可选地，所述处理器具体用于：

63、以所述样本问题为根节点进行蒙特卡洛树搜索，得到多个节点，其中，从所述根节点开始利用多项式上界置信树puct算法进行节点选择，并基于深度搜索和宽度搜索进行节点扩展，直至满足停止条件达到终止节点，进行回溯至所述根节点，以得到所述样本问题的解题路径。

64、可选地，所述处理器还用于：

65、获取训练样本集，所述训练样本集包括多个数学问题和对应的标准答案；

66、利用预设模型对所述多个数学问题进行解析，得到与所述多个数学问题一一对应的多个解析答案；

67、基于所述多个解析答案和多个目标答案，确定与所述多个数学问题一一对应的多个难度等级；

68、基于所述多个数学问题和对应的难度等级对初始难度识别模型进行训练，得到所述预先训练的难度识别模型。

69、第四方面，本技术实施例提供一种电子设备，包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序，所述程序被所述处理器执行时实现如上述第一方面所述的解题路径确定方法的步骤。

70、第五方面，本技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的解题路径确定方法的步骤。

71、第六方面，本技术实施例提供一种计算机程序产品，包括计算机指令，所述计算机指令被处理器执行时实现如上述第一方面所述的解题路径确定方法的步骤。

72、本技术实施例中，基于预先训练的难度识别模型对获取的目标数学问题进行分析，确定所述目标数学问题的难度等级；基于所述目标数学问题和所述目标数学问题的难度等级，利用束搜索算法确定所述目标数学问题的解题路径。这样，通过目标数学问题的难度等级，利用束搜索算法确定所述目标数学问题的解题路径，将束搜索算法与数学问题难度分级进行融合，使得在确定解题路径的过程中考虑目标数学问题的难度等级，进而可以实现自适应地根据数学问题的难度推导出较优的解题步骤，从而能够提高解题效果,给用户较好的指导和参考。