大语言模型的执行报告生成方法与流程
本技术属于大语言模型,尤其涉及一种大语言模型的执行报告生成方法。
背景技术:
1、随着企业数据资产规模的持续膨胀,业务人员通过自然语言提问获取数据洞察的需求日益迫切,但现有的自然语言数据分析方案普遍存在幻觉与不可追溯两大缺陷:大语言模型在生成回答时,往往依赖其预训练参数中的统计规律而非真实数据,导致输出的数值结论缺乏底层数据支撑,且无法验证其计算过程的正确性;即便部分方案引入了代码解释器让模型生成可执行代码,也仅停留在代码能运行即可的浅层验证,无法识别代码可运行但逻辑违规的隐蔽错误(如违反单调性、算术自洽性等结构约束),最终生成的报告结论仍可能存在事实性偏差,难以满足金融、政务、工业等对数据准确性要求严苛的场景需求。
技术实现思路
1、本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出一种大语言模型的执行报告生成方法,在保证大语言模型自然语言生成灵活性的同时,显著提升了数据分析的准确性与可靠性。
2、第一方面,本技术提供了一种大语言模型的执行报告生成方法,包括:
3、获取输入至目标大语言模型的用户问题和原始处理数据;
4、基于所述用户问题,生成可执行代码片段,并在所述原始处理数据上执行所述可执行代码片段,得到执行数据;
5、将所述可执行代码片段和所述执行数据封装为中间结构对象;
6、在所述原始处理数据上执行所述中间结构对象,并基于执行结果,得到目标模板结果;
7、基于所述用户问题、所述目标模板结果和所述原始处理数据,生成所述目标大语言模型的目标执行报告。
8、根据本技术的大语言模型的执行报告生成方法,通过建立中间结构对象作为证据,基于用户问题,生成可执行代码片段,并在原始处理数据上执行可执行代码片段,得到执行数据,基于可执行代码片段和执行数据生成中间结构对象,对中间结构对象在原始处理数据上的重新执行与验证,确保结论数值的可复现性并剔除逻辑违规的隐蔽错误,最终生成的目标执行报告中每一处结论数值均锚定至对应的行级证据与数值键值,实现了从用户问题到最终报告的全链路可追溯、可复算,在保证大语言模型自然语言生成灵活性的同时,显著提升了数据分析的准确性与可靠性。
9、根据本技术的一个实施例,所述基于所述用户问题,生成可执行代码片段,并在所述原始处理数据上执行所述可执行代码片段,得到执行数据,包括:
10、基于所述原始处理数据,构建目标文本画像;
11、基于所述目标文本画像,将所述用户问题分解为多条携带分析意图的子问题;
12、针对每条所述子问题,基于所述分析意图选取对应的目标计算模板;
13、基于所述目标计算模板,生成所述可执行代码片段,并在所述原始处理数据上执行所述可执行代码片段,得到洞察数值和全量行级证据作为所述执行数据。
14、根据本技术的一个实施例,所述基于所述原始处理数据,构建目标文本画像,包括:
15、对所述原始处理数据进行分表解析,针对每个工作表独立构建列级画像,所述列级画像包括列名、数据类型、语义角色、缺失率、唯一值数量、数值列极值、数值列均值和分类列频次分布中的至少一种;
16、基于各个所述工作表和对应的所述列级画像,构建所述目标文本画像。
17、根据本技术的一个实施例,所述语义角色包括标识符列、维度列和度量列;所述针对每个工作表独立构建列级画像,包括:
18、在所述工作表的第一列的列名为预设标识符模式,或所述第一列为数值列,且唯一值数量占比达到第一预设阈值的情况下,确定所述第一列为所述标识符列,所述第一列为所述工作表中的任意列;
19、或者,在所述第一列为枚举类型或时间类型,或所述第一列为文本列且唯一值数量小于第二预设阈值的情况下,确定所述第一列为所述维度列;
20、或者,将非标识符的数值列确定为所述度量列。
21、根据本技术的一个实施例,所述基于所述目标文本画像,将所述用户问题分解为多条携带分析意图的子问题,包括:
22、基于所述目标文本画像,在预设意图菜单中进行匹配,将所述用户问题分解为多条携带所述分析意图的所述子问题,其中,所述预设意图菜单按照意图优先级分层设置。
23、根据本技术的一个实施例,所述在所述原始处理数据上执行所述中间结构对象,并基于执行结果,得到目标模板结果,包括:
24、在所述原始处理数据上执行所述中间结构对象中的代码片段,得到复算数据作为所述执行结果;
25、在所述复算数据与所述中间结构对象中所述执行数据的误差满足预设容限条件的情况下,基于所述复算数据,得到所述目标模板结果。
26、根据本技术的一个实施例,所述在所述复算数据与所述中间结构对象中所述执行数据的误差满足预设容限条件的情况下,基于所述复算数据,得到所述目标模板结果,包括:
27、在所述复算数据与所述中间结构对象中所述执行数据的误差满足所述预设容限条件的情况下,基于所述中间结构对象的分析意图类别,确定对应的结构自洽约束;
28、在所述中间结构对象满足所述结构自洽约束的情况下,基于所述复算数据,得到所述目标模板结果。
29、根据本技术的一个实施例,所述结构自洽约束包括以下至少之一:
30、所述中间结构对象中行级数据按度量值单调非递增排列;
31、所述中间结构对象中各行数据占比等于自身度量值与数据总量之比,且衍生量等于由行级数据独立重算的结果;
32、所述中间结构对象中行级数据的维度取值存在于所述原始处理数据的对应维度列中;
33、在所述原始处理数据非空时,所述中间结构对象中行级数据不为空且度量值不全部为缺失。
34、根据本技术的一个实施例,所述基于所述用户问题、所述目标模板结果和所述原始处理数据,生成所述目标大语言模型的目标执行报告,包括:
35、在预设合成约束下,基于所述用户问题、所述目标模板结果和所述原始处理数据,生成所述目标大语言模型的目标执行报告;
36、其中,所述预设合成约束包括所述目标大语言模型从所述目标模板结果中提取数值作为所述目标执行报告的数字来源;和/或在所述目标模板结果中不存在已验证数值的情况下,所述目标执行报告采用定性表述或省略对应内容。
37、根据本技术的一个实施例,在所述基于所述用户问题、所述目标模板结果和所述原始处理数据,生成所述目标大语言模型的目标执行报告之后,所述方法还包括:
38、提取所述目标执行报告中的报告数字,构成报告数字集合;
39、将所述报告数字集合与所述目标模板结果求差集,得到未映射数字;
40、基于所述未映射数字对所述目标执行报告执行异常处理,所述异常处理包括以下至少之一:
41、对所述未映射数字生成异常提示;
42、在所述目标执行报告中对所述未映射数字对应内容进行异常标记;
43、基于所述目标模板结果对所述未映射数字对应内容进行修正或剔除。
44、本技术的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本技术的实践了解到。
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