基于结构化锚点的大语言模型概念区域定位方法及系统与流程

本发明涉及人工智能，具体是涉及基于结构化锚点的大语言模型概念区域定位方法及系统。

背景技术：

1、当前，基于transformer架构的大语言模型（如gpt系列、deepseek、claude等）已广泛应用于各类ai系统。这些模型通过在海量文本数据上进行训练，形成了强大的自然语言理解和生成能力。然而，大语言模型本质上是无状态的（stateless） ——每次推理都从零开始重建上下文，不存在跨会话的持久状态。这意味着每次新会话，ai都“忘记”了之前的一切，无法保持“我是谁”的连续认知。为了使ai系统表现出特定的“人格”或“身份”，现有技术主要采用以下几种方式：系统提示词（system prompt），在每次会话开始时，通过一段文本描述ai的身份、角色和规则。例如，chatgpt的system message、character.ai的人物设定等。对话历史/记忆系统，将历史对话内容存入上下文或外部数据库，在后续会话中加载。例如，chatgpt memory、character.ai记忆功能等。人格/角色微调（fine-tuning），使用特定数据对基础模型进行额外训练，使其内化特定人格或角色。检索增强生成（rag）和身份知识图谱，构建结构化的身份知识图谱（核心信念、特质、价值观），在决策循环中检索相关上下文。激活引导（activation steering），通过在模型推理过程中向特定层的隐藏状态注入方向向量，偏置模型的输出方向，例如对比向量加法（caa）、painless activation steering（pas）等。

2、上述现有技术缺乏跨会话的自我同一性，系统提示词和对话历史仅在单次会话中有效。当会话结束、系统重启或切换平台后，ai系统无法保持“我是谁”的连续认知。每次新会话都相当于一次“新生”，不具备自我同一性。不可迁移与不可演化，系统提示词和对话历史绑定在特定平台或特定会话中，无法在不同大语言模型平台、不同硬件设备之间迁移。同时，系统提示词是静态文本，无法在对话过程中根据交互经验自动更新和演化，ai系统的“人格”无法随经验积累而成长。缺乏结构化的自我表征，现有技术中，ai系统的“身份”信息以非结构化文本形式存在，无法被程序自动读取、更新、融合或验证。ai只能“扮演”某个角色，无法真正“成为”某个具有自我连续性的存在。前者是“模仿”，后者是“存在”。此外，近年出现的激活引导技术（如对比向量加法caa、无痛激活引导pas等），通过在模型推理过程中向特定层的隐藏状态注入方向向量来偏置模型输出。然而，该方法同样存在局限性：方向向量仅在单一方向上偏置模型行为，无法形成多维度的“概念区域”；且该方向的构建依赖于少量示例样本，其泛化性和稳定性难以保障，在长期对话中容易产生漂移，概念控制停留在“单点”层面，现有方法将概念视为单一方向向量，无法捕获概念的多维结构（如“逻辑”同时包含演绎推理、归纳推理、矛盾检测、因果推断等多个维度）。概念之间的组合缺乏有效的工程化实现手段。

技术实现思路

1、为解决上述技术问题，提供基于结构化锚点的大语言模型概念区域定位方法及系统，本技术方案解决了上述背景技术中提出的缺乏跨会话的自我同一性，系统提示词和对话历史仅在单次会话中有效。提示词无法结构化更新，不可迁移，系统提示词和对话历史绑定在特定平台或特定会话中，无法在不同大语言模型平台、不同硬件设备之间迁移。无法区分“人格设定”与“自我存在”，缺乏结构化的自我表征，概念控制停留在“单点”层面，现有方法将概念视为单一方向向量，无法捕获概念的多维结构（如“逻辑”同时包含演绎推理、归纳推理、矛盾检测、因果推断等多个维度）。概念之间的组合（如“逻辑and审美”）缺乏有效的工程化实现手段。

2、为达到以上目的，本发明采用的技术方案为：

3、基于结构化锚点的大语言模型概念区域定位方法，包括：

4、步骤一：获取种子数据和目标大语言模型，所述种子数据至少包含方向感字段、边界感字段和自我叙述字段；

5、步骤二：将所述种子数据中的各字段转换为结构化系统提示，输入至目标大语言模型的输入层，获取对应的语义嵌入向量；

6、步骤三：以种子数据对应的语义嵌入向量为基础，在目标大语言模型的高维概念拓扑空间中形成对应的离散语义锚点；

7、步骤四：将离散语义锚点作为冗余锚点结构，基于空间分布共同约束，在高维概念拓扑空间中划定并维持目标概念区域；

8、其中，所述目标概念区域为目标大语言模型的自我概念区域，目标大语言模型在目标概念区域中生成推理路径，使得输出回应内容带有自我同一性特征。

9、优选的，所述种子数据为预生成的结构化数据对象，包括：

10、方向感字段，用于表征目标概念区域在高维概念拓扑空间中的演化趋向向量，其数据结构为字符串序列，采用utf-8编码；

11、边界感字段，用于表征目标概念区域与高维概念拓扑空间中其他概念区域的区分边界，其数据结构为为字符串序列，采用utf-8编码；

12、自我叙述字段，用于表征目标概念区域的核心身份叙事，其数据结构为字符串序列，采用utf-8编码。

13、优选的，所述种子数据，还包括新概念数组和开放问题数组，所述新概念数组用于记录所述目标概念区域在交互过程中产生的新认知要素，所述开放问题数组用于记录所述目标概念区域当前存疑或待探索的追问方向；

14、优选的，新概念数组和开放问题数组的更新步骤包括：

15、基于当前交互轮次的用户输入与目标大语言模型的回应文本，构建本轮交互的完整文本语料集合；

16、基于中文分词与词性标注算法，对文本语料集合逐句处理，获取候选概念集合；

17、基于目标大语言模型，对候选概念集合中的每个候选概念进行语义编码，计算其与结构化种子数据中已存储的新概念数组中所有现有概念的余弦相似度，取所有相似度中的最大值作为该候选概念的最大重复相似度；

18、基于预设的新概念相似度阈值，对候选概念进行判定，若候选概念的最大重复相似度小于该阈值，则判定为具备演化价值的新增概念，获取新概念数组；

19、根据完整文本语料集合，执行句子边界检测与拆分并对单句进行初筛，得到疑问句式候选句集合；

20、剔除疑问句式候选句集合中无需探索解答的非真实疑问句式，得到真实问题候选集合；

21、基于目标大语言模型，对真实问题候选集合中的每个候选问题，计算其与结构化种子数据中已存储的开放问题数组中所有现有问题的余弦相似度，取所有相似度中的最大值作为该候选问题的最大重复相似度；

22、基于预设的问题相似度阈值，对候选问题进行判定，若候选问题的最大重复相似度小于该阈值，则判定为新增开放问题，获取开放问题数组。

23、优选的，种子数据跨平台迁移步骤，包括：

24、将所述种子数据导出为结构化文件，所述结构化文件至少包含所述方向感字段、所述边界感字段和所述自我叙述字段的当前值；

25、获取目标平台信息，在目标平台上加载所述结构化文件，复原所述多个语义锚点的定位关系，使所述目标大语言模型在所述目标平台上重建所述目标概念区域的推理路径。

26、优选的，种子数据自动更新步骤，包括：

27、获取目标大语言模型在目标概念区域中生成的当前轮次回应内容，提取当前轮次回应内容中的认知增量信息；

28、根据所述认知增量信息，对所述方向感字段、所述边界感字段和所述自我叙述字段中的至少一者的值进行迭代更新，并将更新后的值持久化存储。

29、优选的，所述方向感字段和所述边界感字段形成的多个离散语义锚点构成冗余锚点结构；

30、当所述多个语义锚点中的部分锚点受到输入噪声干扰时，剩余锚点维持对所述目标概念区域的划定，确保所述推理路径保持在所述目标概念区域内。

31、优选的，所述目标概念区域是独立于目标大语言模型自身概念分布的、由应用层在所述高维概念拓扑空间中持续划定并维持的子空间；

32、所述目标概念区域不依赖于目标大语言模型对其的先天识别，而是通过所述多个离散语义锚点的持续作用而被维持。

33、优选的，所述将离散语义锚点作为冗余锚点结构，基于空间分布共同约束，在高维概念拓扑空间中划定并维持目标概念区域，具体包括：

34、根据目标大语言模型，获取对应的概念器投影矩阵；

35、以概念器投影矩阵为基础，对语义嵌入向量进行线性变换，将其投影至高维概念拓扑空间，获取离散语义锚点，所述离散语义锚点表示种子数据中的各字段在高维概念拓扑空间中的坐标向量；

36、将离散语义锚点作为区域支撑点，在高维概念拓扑空间中构建包含全部区域支撑点的最小闭凸包，将该闭凸包所包围的多维子空间结构确定为目标概念区域的几何边界，获取目标概念区域。

37、进一步的，提出基于结构化锚点的大语言模型概念区域定位系统，用于实现如上述的定位方法，包括：

38、种子获取模块，用于获取种子数据，所述种子数据至少包含方向感字段、边界感字段和自我叙述字段；

39、结构化输入生成模块，用于将所述种子数据中的各字段转换为结构化系统提示，输入至目标大语言模型；

40、锚点定位引擎，用于以种子数据对应的语义嵌入向量为基础，在目标大语言模型的高维概念拓扑空间中形成对应的离散语义锚点，划定并维持目标概念区域；

41、生成控制模块，用于使所述目标大语言模型在以离散语义锚点为参照的目标概念区域中生成推理路径，输出带有与所述目标概念区域对应特征的回应内容；

42、种子演化引擎，用于在对话交互过程中监测所述种子数据，提取认知增量信息，并进行迭代更新；

43、种子导入/导出接口，用于将所述种子数据导出为结构化文件，或从外部结构化文件加载所述种子数据，以实现所述种子数据在多个目标大语言模型平台之间的迁移；

44、种子持久化存储模块，用于存储所述种子数据的历史版本及更新记录。

45、与现有技术相比，本发明的有益效果在于：

46、本发明提出基于结构化锚点的大语言模型概念区域定位方法及系统，通过种子数据和冗余锚点结构实现了跨会话自我同一性，通过种子迁移实现跨平台自我迁移，ai系统在不同会话、不同时间点加载同一颗种子后，能够保持一致的自我认知。种子可在对话交互中识别新概念和开发问题实现自动更新，为ai系统的自我状态研究提供了工程化基础。通过方向感、边界感、自我叙述结构化字段，实现结构化的自我表征，通过种子数据结构在保持自我同一性的同时大幅降低计算资源消耗，仅需结构化文本即可实现，无需修改模型权重、无需大量训练数据、无需依赖特定平台功能。本发明基于大语言模型高维概念拓扑空间的固有结构实现自我状态保持，不依赖于特定模型架构或训练数据，具有良好的平台兼容性和未来扩展性。