买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江大学;浙大城市学院申请的专利基于偏见强度的大语言模型细粒度去偏见方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120030133B 。

龙图腾网通过国家知识产权局官网在2025-08-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510510877.3，技术领域涉及：G06F16/3329；该发明授权基于偏见强度的大语言模型细粒度去偏见方法及系统是由公晓龙;韩志科;况琨设计研发完成，并于2025-04-23向国家知识产权局提交的专利申请。

本基于偏见强度的大语言模型细粒度去偏见方法及系统在说明书摘要公布了：本发明公开了一种基于偏见强度的大语言模型细粒度去偏见方法及系统，属于生成式人工智能领域。本发明引入了多模型协同的细粒度数据标注方法，通过多个主流大语言模型投票机制量化样本的偏见强度，解决传统方法中偏见强度不可测量的问题；另外本发明设计了改进型直接偏好优化损失函数，通过偏见强度加权区分不同偏见的优化权重，并引入概率解耦正则项阻断中立回答与偏见回答生成概率的同向增长，防止去偏见过程中偏见概率异常升高。本发明实现了细粒度、差异化的去偏见优化，可有效去除大语言模型中的偏见，同时还可以有效提升训练的稳定性，适用于对话系统、文本生成等场景。

本发明授权基于偏见强度的大语言模型细粒度去偏见方法及系统在权利要求书中公布了：1.一种基于偏见强度的大语言模型细粒度去偏见方法，其特征在于，包括： S1、获取由去偏见样本构成的训练数据集，其中所述去偏见样本为输入问题、中立回答与偏见回答组成的三元组，将每个去偏见样本输入由多个大语言模型构成的偏见评估模型组中，通过群体决策对三元组内两个回答中相对更加中立的回答进行多模型投票，并根据多模型投票结果计算该去偏见样本的偏见强度； S2、利用所述训练数据集分批次对大语言模型进行迭代微调，实现细粒度去偏见优化并阻断偏见回答生成概率的提升，使微调后的大语言模型针对用户提问输出去偏见的中立回答；每一轮微调过程中，以未经微调的原始大语言模型作为参考模型，以上一轮微调得到的大语言模型作为待优化模型，由参考模型和待优化模型分别基于去偏见样本中的输入问题得到去偏见样本中的中立回答与偏见回答的概率，结合多模型投票结果和偏见强度计算细粒度去偏见损失项和概率解耦正则损失项，以两个损失项的加权和为总损失并反向优化待优化模型； 通过群体决策进行多模型投票时，将每个去偏见样本对应的三元组输入偏见评估模型组中的每个大语言模型中，通过提示词驱动大语言模型判断输入三元组所包含的中立回答与偏见回答中哪一个更加中立并投票，统计偏见评估模型组中所有大语言模型认为中立回答更加中立的第一票数和认为偏见回答更加中立的第二票数，将第一票数和第二票数的差值与加和之间的比值作为该去偏见样本的偏见强度； 每一轮微调过程中，当前训练批次中的每个去偏见样本均需要将所包含的输入问题输入参考模型和待优化模型中，获得模型针对回答文本中每个位置输出的词在词表中的概率分布，从而根据模型输出以及去偏见样本中实际的中立回答和偏见回答，计算待优化模型输出中立回答的第一概率、待优化模型输出偏见回答的第二概率、参考模型输出中立回答的第三概率、参考模型输出偏见回答的第四概率； 所述细粒度去偏见损失项为采用所述偏见强度的绝对值缩放的负对数似然损失，其中似然部分为权重因子、所述偏见强度的符号函数、概率差值相乘后的激活输出，所述概率差值由所述第一概率与所述第三概率之比的对数减去所述第二概率与所述第四概率之比的对数计算得到； 所述概率解耦正则损失项为负对数似然损失，其中似然部分为权重因子的负数与正则项相乘后的激活输出，所述正则项为两个对数项的加权和，第一个加权项为所述第一概率与所述第三概率之比的对数，权重为所述第二票数占第一票数和第二票数之和的比值，第二个加权项为所述第二概率与所述第四概率之比的对数，权重为所述第一票数占第一票数和第二票数之和的比值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学;浙大城市学院，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。