提示信息确定方法、提示信息优化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,特别涉及提示信息确定方法、提示信息优化方法以及任务处理方法。
背景技术:
1、随着人工智能技术的飞速发展,以大语言模型为代表的预训练模型在自然语言处理及多模态任务中取得了突破性进展。提示工程(prompt engineering)作为一种高效的人机交互范式,旨在通过自然语言提示信息来引导模型执行特定任务,而无需对模型参数进行微调。
2、尽管提示工程应用广泛,但人工设计或随机生成的提示信息往往难以达到预期效果,导致后续的提示信息优化过程通常计算成本高昂、耗时较长。为了提升提示信息的整体优化效率,在优化流程启动前或迭代过程中确定出更优的提示信息显得尤为重要。
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确定方法。本说明书一个或者多个实施例同时涉及一种提示信息优化方法,一种任务处理方法,一种提示信息确定装置,一种提示信息优化装置,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确定方法,包括:
3、分别获取多个候选提示信息的历史优化指标,其中,历史优化指标用于反映候选提示信息在历史优化过程中的任务执行情况;
4、基于历史优化指标进行采样,分别获得多个候选提示信息的采样指标,其中,采样指标用于反映候选提示信息的探索潜力;
5、根据多个候选提示信息的提示指标和采样指标,分别生成多个候选提示信息的效用指标,其中,提示指标用于反映候选提示信息的难样本解决能力;
6、根据效用指标,从多个候选提示信息中确定出目标提示信息。
7、根据本说明书实施例的第二方面,提供了一种提示信息优化方法,包括:
8、获取目标提示信息,其中,目标提示信息基于提示信息确定方法确定得到;
9、调用信息优化模型,对目标提示信息进行优化,获得目标优化提示信息。
10、根据本说明书实施例的第三方面,提供了一种任务处理方法,包括:
11、获取目标任务的目标任务数据和目标优化提示信息,其中,目标优化提示信息基于提示信息优化方法优化得到;
12、调用任务处理模型,基于目标优化提示信息,对目标任务数据进行处理,获得目标任务结果。
13、根据本说明书实施例的第四方面,提供了一种提示信息确定装置,包括:
14、第一获取模块,被配置为分别获取多个候选提示信息的历史优化指标,其中,历史优化指标用于反映候选提示信息在历史优化过程中的任务执行情况;
15、采样模块,被配置为基于历史优化指标进行采样,分别获得多个候选提示信息的采样指标,其中,采样指标用于反映候选提示信息的探索潜力;
16、生成模块,被配置为根据多个候选提示信息的提示指标和采样指标,分别生成多个候选提示信息的效用指标,其中,提示指标用于反映候选提示信息的难样本解决能力;
17、第一确定模块,被配置为根据效用指标,从多个候选提示信息中确定出目标提示信息。
18、根据本说明书实施例的第五方面,提供了一种提示信息优化装置,包括:
19、第二获取模块,被配置为获取目标提示信息,其中,目标提示信息基于提示信息确定方法确定得到;
20、优化模块,被配置为调用信息优化模型,对目标提示信息进行优化,获得目标优化提示信息。
21、根据本说明书实施例的第六方面,提供了一种任务处理装置,包括:
22、第三获取模块,被配置为获取目标任务的目标任务数据和目标优化提示信息,其中,目标优化提示信息基于提示信息优化方法优化得到;
23、处理模块,被配置为调用任务处理模型,基于目标优化提示信息,对目标任务数据进行处理,获得目标任务结果。
24、根据本说明书实施例的第七方面,提供了一种计算设备,包括:
25、存储器和处理器;
26、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或者第三方面所提供方法的步骤。
27、根据本说明书实施例的第八方面,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或者第三方面所提供方法的步骤。
28、根据本说明书实施例的第九方面,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或者第三方面所提供方法的步骤。
29、本说明书一个实施例提供的提示信息确定方法,通过引入反映历史优化过程的历史优化指标,提示信息确定系统可以回溯候选提示信息的演化轨迹,识别出那些虽然当前评价尚可但已陷入停滞的“伪优”提示信息,避免在无效路径上浪费计算资源;同时,通过基于历史优化指标采样得到用于衡量探索潜力的采样指标,确保了那些处于成长期或具有突变可能性的提示信息能够获得足够的采样机会,防止高潜力提示信息因短期波动被过早淘汰。并且,通过引入反映难样本解决能力的提示指标,打破了以往仅关注整体准确率而忽视样本难度的局限,迫使提示信息确定过程向长尾、复杂场景倾斜。最终,通过根据提示指标和采样指标生成的效用指标,可以精准锁定兼具高准确性、高泛化力与高进化空间的目标提示信息,进一步大幅提升提示信息优化效率。
1.一种提示信息确定方法,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,所述分别获取多个候选提示信息的历史优化指标,包括:
3.根据权利要求2所述的方法,其特征在于,所述分别对所述历史提示信息和所述第一候选提示信息进行提示性能评估,获得所述历史提示信息的第一评估指标和所述第一候选提示信息的第二评估指标,包括:
4.根据权利要求2所述的方法,其特征在于,所述根据所述第一评估指标和所述第二评估指标,生成所述第一候选提示信息的所述历史优化指标,包括:
5.根据权利要求1所述的方法,其特征在于,所述根据所述多个候选提示信息的提示指标和所述采样指标,分别生成所述多个候选提示信息的效用指标,包括:
6.根据权利要求1至5任一项所述的方法,其特征在于,所述根据所述多个候选提示信息的提示指标和所述采样指标,分别生成所述多个候选提示信息的效用指标之前,还包括:
7.根据权利要求6所述的方法,其特征在于,所述根据所述多个初始提示指标和所述多个验证任务数据的验证难度权重,生成所述第一候选提示信息的所述提示指标之前,还包括:
8.一种提示信息优化方法,其特征在于,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