任务执行方法、装置、设备、介质及产品与流程

本申请涉及人工智能领域，尤其涉及一种任务执行方法、装置、设备、介质及产品

背景技术：

1、现有智能设备在多步骤任务处理中，通常采用基于蒙特卡洛树搜索且大语言模型驱动的智能体（可称为：agent）进行状态感知、路径规划与动作决策。

2、上述相关技术中，蒙特卡洛树搜索的方案通过逐步扩展搜索树评估不同动作的长期收益，以选择最优决策路径。

3、该方式中，路径的搜索，缺乏并行性，导致多步骤任务中逐步扩展的搜索方式效率较低，进而导致决策效率较低。

技术实现思路

1、本申请实施例提供一种任务执行方法、装置、设备、介质及产品，以解决搜索方式效率较低，进而导致决策效率较低的技术问题。

2、第一方面，本申请实施例提供一种任务执行方法，包括：

3、响应于接收到用户输入的任务执行指令，采用工具调用模块基于任务执行指令生成执行行为；

4、采用预训练模型执行执行行为，以生成执行行为后的结果数据，并基于结果数据、执行设备的前后状态信息生成联合嵌入向量；

5、采用预设的多路径近邻算法在蒙特卡洛树中基于联合嵌入向量进行多路径搜索，以确定是否存在满足匹配要求的路径；

6、响应于存在满足匹配要求的路径，则根据满足匹配要求的路径获取反思执行行为，并采用预训练模型执行反思执行行为。

7、在一个可能的实施例中，结果数据为文本类型，执行设备的前后状态信息为图像类型；执行设备的前后状态信息包括执行设备的执行前状态信息和执行设备的执行后状态信息；

8、基于结果数据、执行设备的前后状态信息生成联合嵌入向量，包括：

9、采用预设的多模态编码器将结果数据、执行设备前状态信息及执行设备后状态信息分别进行编码处理，以对应获得第一编码数据，第二编码数据及第三编码数据；

10、对第一编码数据，第二编码数据及第三编码数据进行融合处理，以获得联合嵌入向量。

11、在一个可能的实施例中，蒙特卡洛树为多模态蒙特卡洛树；蒙特卡洛树包括多个任务子树，任意一个任务子树中包括多个子节点；预设的多路径近邻算法为置信上界算法；

12、采用预设的多路径近邻算法在蒙特卡洛树中基于联合嵌入向量进行多路径搜索，以确定是否存在满足匹配要求的路径，包括：

13、在任务子树中搜索与联合嵌入向量相似度大于预设相似度阈值的多个候选路径；

14、针对任意一个候选路径，基于候选路径中子节点对应的历史访问次数计算子节点的匹配分数；

15、采用置信上界算法根据子节点的匹配分数、历史访问次数计算子节点对应的置信上界分数；

16、基于候选路径中子节点对应的置信上界分数进行多路径搜索，以确定是否存在满足匹配要求的路径。

17、在一个可能的实施例中，基于候选路径中子节点对应的置信上界分数进行多路径搜索，以确定是否存在满足匹配要求的路径，包括：

18、若候选路径中的任意一个子节点对应的置信上界分数均大于预设置信上界分数，则确定存在满足匹配要求的路径；

19、若各候选路径中存在任意一个子节点对应的置信上界分数小于或等于预设置信上界分数，确定不存在满足匹配要求的路径；

20、确定不存在满足匹配要求的路径后，方法还包括：

21、在候选路径所在的任务子树中创建新子节点，并更新该子节点的访问次数，新子节点为目标节点的兄弟节点，目标节点为置信上界分数小于或等于预设置信上界分数的子节点。

22、在一个可能的实施例中，采用预训练模型执行反思执行行为之后，还包括：

23、更新满足匹配要求的路径中子节点的访问次数。

24、在一个可能的实施例中，还包括：

25、响应于存在满足匹配要求的路径，将满足匹配要求的路径对应的反思执行行为发送至工具调用模块，以使工具调用模块接收到与任务执行指令语义一致的任务执行指令时，将反思执行行为发送至预训练模型，并执行反思执行行为；

26、响应于不存在满足匹配要求的路径，则将不满足匹配要求的路径中的子路径发送至工具调用模块，以调用预训练模型生成反思执行行为，子路径包括不满足匹配要求的路径中的目标子节点，目标子节点为置信上界分数大于预设置信上界分数的子节点。

27、第二方面，本申请实施例提供一种任务执行装置，包括：

28、第一生成模块，用于响应于接收到用户输入的任务执行指令，采用工具调用模块基于所述任务执行指令生成执行行为；

29、执行模块，用于采用预训练模型执行执行行为，以生成执行行为后的结果数据；

30、第二生成模块，用于基于结果数据、执行设备的前后状态信息生成联合嵌入向量；

31、确定模块，用于采用预设的多路径近邻算法在蒙特卡洛树中基于联合嵌入向量进行多路径搜索，以确定是否存在满足匹配要求的路径；

32、获取模块，用于响应于存在满足匹配要求的路径，则根据所述满足匹配要求的路径获取反思执行行为；

33、反思模块，用于采用预训练模型执行反思执行行为。

34、第三方面，本申请实施例提供一种电子设备，包括：处理器，以及与处理器通信连接的存储器；

35、存储器存储计算机执行指令；

36、处理器执行存储器存储的计算机执行指令，以实现包括上述提供的方法。

37、第四方面，本申请实施例提供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执行指令，计算机执行指令被处理器执行时用于实现包括上述提供的方法。

38、第五方面，本申请实施例提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述提供的方法。

39、本申请提供的任务执行方法、装置、设备、介质及产品，通过响应用户输入的任务执行指令生成执行行为，利用预训练模型执行所述执行行为，并结合执行行为后的结果数据以及执行设备的前后状态信息生成联合嵌入向量，能够将任务执行过程中的结果数据与状态变化进行统一刻画；通过采用预设的多路径近邻算法在蒙特卡洛树中基于联合嵌入向量进行多路径搜索，并在存在满足匹配要求的路径时获取反思执行行为并采用预训练模型执行，能够有效提高路径扩展及搜索的效率，进而提升多步骤复杂任务中的决策效率。

1.一种任务执行方法，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，所述结果数据为文本类型，所述执行设备的前后状态信息为图像类型；执行设备的前后状态信息包括执行设备的执行前状态信息和执行设备的执行后状态信息；

3.根据权利要求2所述的方法，其特征在于，所述蒙特卡洛树为多模态蒙特卡洛树；所述蒙特卡洛树包括多个任务子树，任意一个所述任务子树中包括多个子节点；预设的多路径近邻算法为置信上界算法；

4.根据权利要求3所述的方法，其特征在于，所述基于所述候选路径中子节点对应的置信上界分数进行多路径搜索，以确定是否存在满足匹配要求的路径，包括：

5.根据权利要求3所述的方法，其特征在于，所述采用所述预训练模型执行所述反思执行行为之后，还包括：

6.根据权利要求1所述的方法，其特征在于，还包括：

7.一种任务执行装置，其特征在于，包括：

8.一种电子设备，其特征在于，包括：处理器，以及与所述处理器通信连接的存储器；

9.一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中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至7任一项所述的方法。

10.一种计算机程序产品，其特征在于，包括计算机程序，该计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法。