龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：中国建设银行股份有限公司;建信金融科技有限责任公司
摘要：一种基于RLHF的回复质量优化方法及装置，包括：基于原子信息粒度对语言模型生成的回复文本进行划分，得到多个原子信息单元；语言模型为利用RLHF及多个预先训练的奖励模型进行实时更新微调后的模型；将每个原子信息单元分别输入至多个奖励模型，得到每个原子信息单元对应的输出奖励值；其中，奖励模型的数量与人类偏好对应的原则的数量相等；基于每个原子信息单元对应输出奖励值得到所述回复文本在每一奖励模型上的得分。该回复质量优化方法实现了从多个RM出发，又考虑从最小语义单元的角度出发对回复质量进行评价，同时考虑回复质量评价的差异程度对于模型表现的影响，能够降低幻觉，提高有用性、无害型性以及模型训练的稳定性。
主权项：1.一种基于RLHF的回复质量优化方法，其特征在于，包括：预训练一深度学习模型，并将微调后的深度学习模型作为初始的奖励模型进行训练，得到训练后的奖励模型；基于预训练梯度得到所述奖励模型的目标函数，并根据所述目标函数对当前微调后的语言模型进行优化，得到更新后的语言模型；基于原子信息粒度对语言模型生成的回复文本进行划分，得到多个原子信息单元；所述语言模型为利用RLHF及多个预先训练的奖励模型进行实时更新微调后的模型；将每个原子信息单元分别输入至多个所述奖励模型，得到每个原子信息单元对应的输出奖励值；其中，所述奖励模型的数量与人类偏好对应的原则的数量相等；基于每个原子信息单元对应输出奖励值得到所述回复文本在每一奖励模型上的得分。
全文数据：
权利要求：
百度查询： 中国建设银行股份有限公司 建信金融科技有限责任公司 一种基于RLHF的回复质量优化方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号