一种基于大语言模型的生物数据模拟方法、设备及介质与流程
本申请涉及大语言模型领域,特别是涉及一种基于大语言模型的生物数据模拟方法、设备及介质。
背景技术:
1、近年来,单细胞组学、高通量扰动实验、空间组学及多模态生物数据快速发展,研究人员需要在同一分析过程中完成数据解析、细胞状态识别、差异分析、虚拟扰动推理、结果解释和报告生成等多种任务。传统生物信息学平台通常以固定脚本、固定工作流或固定服务接口为核心,用户需要预先知道数据格式、参数含义、分析步骤和中间文件位置,并在不同工具之间手动传递结果。随着大语言模型技术的发展,现今可利用大语言模型理解研究人员提出的自然语言请求,并将该请求转换为外部工具调用或分析流程,以获取生物数据模拟结果;具体包括:用户上传生物数据文件并提出自然语言请求;将用户请求、历史对话和可用工具说明输入语言模型代理模块;语言模型代理模块选择一个或多个分析工具并生成工具编排结果;工具执行模块读取用户数据并运行分析脚本,将符合要求的输入提交给ai虚拟细胞模型推理服务;将ai虚拟细胞模型推理服务返回的文本、表格、图形或文件链接整理为面向用户的回答。
2、在上述方法中,语言模型代理模块选择一个或多个分析工具并生成工具编排结果时,依赖语义向量相似度从经验数据库中检索若干分析工具选择经验作为大语言模型的决策上下文;但是,单一的语义向量检索机制在匹配时往往存在过度泛化的问题,容易召回语义相近但缺乏针对性的分析工具选择经验;进而导致上下文的质量较低,向大语言模型引入干扰噪声,误导其推理过程,最终导致分析工具选择和工具编排结果的准确率偏低。
技术实现思路
1、针对所述技术问题,本申请采用的技术方案为:
2、根据本申请的第一方面,提供了一种基于大语言模型的生物数据模拟方法,方法包括如下步骤:
3、s1、通过大语言模型对用户输入的自然语言请求和生物数据进行意图识别,以获取结构化的意图识别结果。
4、s2、对于ai虚拟细胞模型的每一初始能力接口,将意图识别结果与初始能力接口对应的能力描述数据进行匹配,并获取与意图识别结果相匹配的目标能力接口。
5、s3、根据目标能力接口对应的关键特征值,从包括若干历史编排经验文本的编排经验数据库中确定出至少一个目标编排经验文本。
6、s4、将包含目标编排经验文本的上下文信息输入至大语言模型,以获取大语言模型输出的接口编排结果;接口编排结果包括各目标能力接口的执行顺序。
7、s5、根据接口编排结果中各目标能力接口的执行顺序依次调用各目标能力接口,以获取各目标能力接口返回的接口响应数据。
8、s6、通过大语言模型对接口响应数据进行语义解析与自然语言生成,以获取生物数据模拟结果对应的自然语言文本。
9、根据本申请的第二方面,提供了一种非瞬时性计算机可读存储介质,非瞬时性计算机可读存储介质中存储有至少一条指令或至少一段程序,至少一条指令或至少一段程序由处理器加载并执行以实现上述的基于大语言模型的生物数据模拟方法。
10、根据本申请的第三方面,提供了一种电子设备,包括处理器和上述的非瞬时性计算机可读存储介质。
11、本申请至少具有以下有益效果:
12、本申请提供了一种基于大语言模型的生物数据模拟方法、设备及介质,所述方法通过大语言模型对用户输入的自然语言请求和生物数据进行意图识别,以获取结构化的意图识别结果;对于ai虚拟细胞模型的每一初始能力接口,将意图识别结果与初始能力接口对应的能力描述数据进行匹配,并获取与意图识别结果相匹配的目标能力接口;根据目标能力接口对应的关键特征值,从包括若干历史编排经验文本的编排经验数据库中确定出至少一个目标编排经验文本;将包含目标编排经验文本的上下文信息输入至大语言模型,以获取大语言模型输出的接口编排结果;根据接口编排结果中各目标能力接口的执行顺序依次调用各目标能力接口,以获取各目标能力接口返回的接口响应数据;通过大语言模型对接口响应数据进行语义解析与自然语言生成,以获取生物数据模拟结果对应的自然语言文本。可知,本申请将ai虚拟细胞模型抽象为若干初始能力接口,通过意图识别结果与能力描述数据的匹配锁定目标能力接口,并进一步利用目标能力接口的关键特征值从编排经验数据库中召回具有针对性的目标编排经验文本,以使得大语言模型根据包含目标编排经验文本的上下文信息生成接口编排结果;避免召回结果过度泛化,显著提升了大语言模型生成接口编排结果的准确性与可靠性。
1.一种基于大语言模型的生物数据模拟方法,其特征在于,所述方法包括如下步骤:
2.根据权利要求1所述的基于大语言模型的生物数据模拟方法,其特征在于,在步骤s2中,将意图识别结果与初始能力接口对应的能力描述数据进行匹配,包括:
3.根据权利要求1所述的基于大语言模型的生物数据模拟方法,其特征在于,在步骤s3中,包括:
4.根据权利要求3所述的基于大语言模型的生物数据模拟方法,其特征在于,在步骤s34中,根据cj确定目标编排经验文本,包括:
5.根据权利要求3所述的基于大语言模型的生物数据模拟方法,其特征在于,在步骤s34中,根据cj确定目标编排经验文本,包括:
6.根据权利要求1所述的基于大语言模型的生物数据模拟方法,其特征在于,在步骤s6之后,还包括:
7.根据权利要求2所述的基于大语言模型的生物数据模拟方法,其特征在于,在步骤s2中,步骤s21之前还包括:
8.根据权利要求3或6所述的基于大语言模型的生物数据模拟方法,其特征在于,当提取不到预设关键特征标签的关键特征值时,将预设关键特征标签的关键特征值设置为空值。
9.一种非瞬时性计算机可读存储介质,其特征在于,所述非瞬时性计算机可读存储介质中存储有至少一条指令或至少一段程序,所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如权利要求1-8中任意一项所述的基于大语言模型的生物数据模拟方法。
10.一种电子设备,其特征在于,包括处理器和权利要求9中所述的非瞬时性计算机可读存储介质。
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