一种裁决解释方法、装置、设备及介质与流程

本技术涉及人工智能，特别是涉及一种裁决解释方法、装置、设备及介质。

背景技术：

1、在太空兵棋推演系统中，裁决解释指的是根据当前对抗态势、物理约束与推演规则，对智能体所执行动作的合法性和有效性给出判定结论，并同步输出支撑该判定结论的解释文本的过程。

2、相关技术中，现有的裁决解释方法通常预设一张规则表作为裁决解释的核心依据。在实际推演过程中，根据当前对抗态势检索规则表，匹配成功则输出对应的裁决解释结果，裁决结果包括判定结论及其预设的解释文本。

3、然而，规则表的覆盖度与复杂度直接决定了裁决解释能力的上限。当当前对抗态势趋于复杂，或出现规则设计阶段未预见的非典型对抗态势时，规则表将出现匹配缺失或匹配歧义，无法从规则表中检索到有效的裁决依据，从而降低了裁决解释的可信度。

技术实现思路

1、基于上述问题，本技术提供了一种裁决解释方法、装置、设备及介质，能够提高裁决解释的可信度。

2、本技术实施例公开了如下技术方案：

3、第一方面，本技术提供了一种裁决解释方法，所述方法包括：

4、在高保真多智能体强化学习环境中，响应于针对智能体动作的裁决请求，读取动态本体的当前版本；所述动态本体由对象元素、属性元素、链接元素、动作元素和函数元素构成；所述对象元素携带对应的访问控制策略；所述函数元素用于根据所述对象元素的属性值和所述链接元素的状态值确定派生量和动作可行性；

5、根据所述动态本体的当前版本，构建与所述裁决请求对应的提示词；

6、将所述提示词输入大语言模型，通过所述大语言模型获得与所述裁决请求对应的裁决解释文本和裁决执行参数；

7、根据所述动态本体的当前版本、所述访问控制策略，和所述函数元素的计算结果，对所述裁决解释文本和所述裁决执行参数进行一致性校验；

8、在所述一致性校验通过后，根据所述裁决执行参数，对所述高保真多智能体强化学习环境的状态进行采样，生成蒙特卡洛概率直方图，并根据所述蒙特卡洛概率直方图，确定置信度；

9、将所述裁决解释文本、所述置信度和所述蒙特卡洛概率直方图确定为裁决解释数据。

10、可选地，通过所述大语言模型还获得与所述裁决请求对应的本体更新建议；所述方法还包括：

11、在所述一致性校验通过后，根据版本号递增规则，将所述裁决执行参数和所述本体更新建议回写至所述动态本体，获得所述动态本体的下一版本。

12、可选地，所述一致性校验通过的条件包括以下全部条件：所述函数元素对所述裁决执行参数的计算结果指示所述裁决执行参数对应的动作为可行动作；所述裁决执行参数对应的目标对象满足所述访问控制策略；所述裁决执行参数对应的对象元素或链接元素处于所述动态本体的当前版本号的有效区间；所述裁决解释文本中的裁决值和所述裁决执行参数所指示的动作类型一致。

13、可选地，所述根据所述裁决执行参数，对所述高保真多智能体强化学习环境的状态进行采样，生成蒙特卡洛概率直方图，并根据所述蒙特卡洛概率直方图，确定置信度，包括：

14、根据所述裁决执行参数，在所述高保真多智能体强化学习环境中执行多次受控随机采样，获得所述高保真多智能体强化学习环境在所述裁决执行参数作用下的状态概率分布；所述受控随机采样的次数为固定采样次数或根据收敛条件动态确定的自适应采样次数；

15、根据所述状态概率分布，生成蒙特卡洛概率直方图；

16、将所述蒙特卡洛概率直方图的峰值区间对应的累积概率确定为所述置信度。

17、可选地，所述响应于针对智能体动作的裁决请求，读取动态本体的当前版本，包括：

18、响应于在碰撞规避、抵近侦察、电子干扰、通信对抗四类想定中的目标想定下，针对智能体动作的裁决请求，读取动态本体的当前版本；

19、所述根据所述动态本体的当前版本，构建与所述裁决请求对应的提示词，包括：

20、从所述动态本体的当前版本中，读取与所述目标想定对应的差异化本体快照，并加载与所述目标想定对应的差异化裁决结果模板；

21、根据所述差异化本体快照和所述差异化裁决结果模板，构建与所述裁决请求对应的提示词。

22、第二方面，本技术提供了一种裁决解释装置，所述装置包括：

23、版本读取模块，用于在高保真多智能体强化学习环境中，响应于针对智能体动作的裁决请求，读取动态本体的当前版本；所述动态本体由对象元素、属性元素、链接元素、动作元素和函数元素构成；所述对象元素携带对应的访问控制策略；所述函数元素用于根据所述对象元素的属性值和所述链接元素的状态值确定派生量和动作可行性；

24、提示构建模块，用于根据所述动态本体的当前版本，构建与所述裁决请求对应的提示词；

25、模型执行模块，用于将所述提示词输入大语言模型，通过所述大语言模型获得与所述裁决请求对应的裁决解释文本和裁决执行参数；

26、一致校验模块，用于根据所述动态本体的当前版本、所述访问控制策略，和所述函数元素的计算结果，对所述裁决解释文本和所述裁决执行参数进行一致性校验；

27、置信确定模块，用于在所述一致性校验通过后，根据所述裁决执行参数，对所述高保真多智能体强化学习环境的状态进行采样，生成蒙特卡洛概率直方图，并根据所述蒙特卡洛概率直方图，确定置信度；

28、数据确定模块，用于将所述裁决解释文本、所述置信度和所述蒙特卡洛概率直方图确定为裁决解释数据。

29、可选地，通过所述大语言模型还获得与所述裁决请求对应的本体更新建议；所述装置还包括：

30、版本回写模块，用于在所述一致性校验通过后，根据版本号递增规则，将所述裁决执行参数和所述本体更新建议回写至所述动态本体，获得所述动态本体的下一版本。

31、可选地，所述一致性校验通过的条件包括以下全部条件：所述函数元素对所述裁决执行参数的计算结果指示所述裁决执行参数对应的动作为可行动作；所述裁决执行参数对应的目标对象满足所述访问控制策略；所述裁决执行参数对应的对象元素或链接元素处于所述动态本体的当前版本号的有效区间；所述裁决解释文本中的裁决值和所述裁决执行参数所指示的动作类型一致。

32、可选地，所述置信确定模块具体用于：根据所述裁决执行参数，在所述高保真多智能体强化学习环境中执行多次受控随机采样，获得所述高保真多智能体强化学习环境在所述裁决执行参数作用下的状态概率分布；所述受控随机采样的次数为固定采样次数或根据收敛条件动态确定的自适应采样次数；根据所述状态概率分布，生成蒙特卡洛概率直方图；将所述蒙特卡洛概率直方图的峰值区间对应的累积概率确定为所述置信度。

33、可选地，所述版本读取模块具体用于：响应于在碰撞规避、抵近侦察、电子干扰、通信对抗四类想定中的目标想定下，针对智能体动作的裁决请求，读取动态本体的当前版本；

34、所述提示构建模块具体用于：从所述动态本体的当前版本中，读取与所述目标想定对应的差异化本体快照，并加载与所述目标想定对应的差异化裁决结果模板；根据所述差异化本体快照和所述差异化裁决结果模板，构建与所述裁决请求对应的提示词。

35、第三方面，本技术公开了一种裁决解释设备，所述设备包括：存储器和处理器；

36、所述存储器，用于存储程序；

37、所述处理器，用于执行所述程序，实现如第一方面所述的裁决解释方法的各个步骤。

38、第四方面，本技术公开了一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如第一方面所述的裁决解释方法的各个步骤。

39、相较于现有技术，本技术具有以下有益效果：

40、本技术实施例提供了一种裁决解释方法、装置、设备及介质。本技术将动态本体作为大语言模型与高保真多智能体强化学习环境之间的语义层，以大语言模型的语义推理能力替代规则表的枚举匹配，即使面对对抗态势复杂，或规则设计阶段未预见的非典型对抗态势时，大语言模型仍可根据动态本体的当前版本进行语义推理，输出裁决解释文本和裁决执行参数，从而避免了规则表匹配缺失或歧义的问题，提高了裁决解释的可信度。并且，本技术根据动态本体的当前版本、访问控制策略和函数元素的计算结果，对裁决解释文本和裁决执行参数进行一致性校验，并在一致性校验通过后，根据裁决执行参数对高保真多智能体强化学习环境的状态进行采样，生成蒙特卡洛概率直方图，并据此确定置信度，随后将裁决解释文本、置信度与蒙特卡洛概率直方图共同组装为裁决解释数据，使裁决结论具备受控量化的可信度表达，同样提升了裁决解释的可信度。