【技術實現步驟摘要】
本申請涉及人工智能，具體涉及一種基于大語言模型的復雜任務分解與動態優化裝置和方法。
技術介紹
1、目前，大語言模型的應用范圍已大幅擴展，不僅涵蓋了文本生成，還應用于更加復雜的決策任務。例如，一些大語言模型已經能夠用于交互式環境中的任務執行，包括在游戲環境中進行導航、完成任務指令，在復雜環境中搜索與篩選。這些能力使得大語言模型在多步驟、長鏈任務的執行中表現出一定的優勢，適用于從復雜的文本推理到交互式決策的多種任務。
2、然而，盡管大語言模型展示了極高的潛力，但它們在執行復雜的多步驟任務中仍然存在諸多局限性。這些局限性尤其體現在任務執行失敗的情況，現有的大語言模型缺乏對任務失敗反饋的響應能力，在任務執行失敗時無法自動調整，從而導致模型執行任務的失敗率較高。
技術實現思路
1、基于此，本申請提供了一種基于大語言模型的復雜任務分解與動態優化裝置和方法，能夠降低模型執行任務的失敗率。
2、根據本申請的一方面，提出一種基于大語言模型的復雜任務分解與動態優化方法，包括：基于預先訓練的大語言模型，將待執行任務分解成多個子任務，并生成執行多個子任務的任務指令隊列；依次執行任務指令隊列中的子任務，并記錄執行過程中的信息，得到任務執行數據；根據任務執行數據和預設正常范圍生成執行狀態反饋信息；根據執行狀態反饋信息生成任務分解策略調整指令，任務分解策略調整指令用于對任務指令隊列和/或子任務的執行主體進行調整。
3、根據一些實施例，基于預先訓練的大語言模型，將待執行任務分解
4、根據一些實施例，還包括：在任務執行過程存在異常的情況下，對多個子任務進行分解；或者在任務執行過程存在異常的情況下，基于預先構建的任務處理數據庫對異常的情況進行搜索，并根據搜索結果對異常的情況進行處理。
5、根據一些實施例，根據任務執行數據和預設正常范圍生成執行狀態反饋信息，包括：利用預設異常檢測算法以及預設正常范圍，對任務執行數據進行異常狀態檢測，得到異常狀態檢測結果；根據異常狀態檢測結果生成執行狀態反饋信息。
6、根據一些實施例，還包括：對任務歷史數據集中的任務執行數據進行歷史趨勢分析，得到趨勢分析結果，其中，任務歷史數據集包括當前執行過程以及歷史執行過程的任務執行數據。
7、根據一些實施例，根據執行狀態反饋信息生成任務分解策略調整指令，包括：根據趨勢分析結果和執行狀態反饋信息，利用預設自適應優化算法生成目標調整方案；其中，目標調整方案為執行狀態反饋信息中涉及的子任務所需的調整，包括優先級調整、資源分配調整、邏輯依賴關系調整、執行順序調整和執行主體調整中的至少一種；根據目標調整方案生成任務分解策略調整指令。
8、根據一些實施例，根據趨勢分析結果和執行狀態反饋信息，利用預設自適應優化算法生成目標調整方案，包括：將任務歷史數據集中的歷史任務特征與當前任務特征進行匹配，確定目標歷史任務，其中，目標歷史任務為與當前任務特征相似度最大的歷史任務特征對應的歷史待執行任務；獲取目標歷史任務對應的任務分配策略作為初始分配方案；根據初始分配方案和趨勢分析結果確定目標調整方案。
9、根據一些實施例，對任務歷史數據集中的任務執行數據進行歷史趨勢分析，得到趨勢分析結果，包括：對任務執行數據進行分類和聚合，計算關鍵指標；提取關鍵指標大于預設閾值的類別，得到常見執行模式；根據預設異常分析算法識別任務執行數據中的瓶頸點和高風險區域；其中，關鍵指標、常見執行模式、瓶頸點和高風險區域作為趨勢分析結果。
10、根據本申請的一方面，一種基于大語言模型的復雜任務分解與動態優化裝置，包括：分解模塊，用于基于預先訓練的大語言模型，將待執行任務分解成多個子任務，并生成執行多個子任務的任務指令隊列；執行模塊，用于依次執行任務指令隊列中的子任務，并記錄執行過程中的信息，得到任務執行數據；監控模塊，用于根據任務執行數據和預設正常范圍生成執行狀態反饋信息；控制模塊，用于根據執行狀態反饋信息生成任務分解策略調整指令，任務分解策略調整指令用于對任務指令隊列和/或子任務的執行主體進行調整。
11、根據本申請的一方面，提出一種電子設備，該電子設備包括：一個或多個處理器；存儲裝置，用于存儲一個或多個程序；當一個或多個程序被一個或多個處理器執行，使得一個或多個處理器實現如上文的方法。
12、根據本申請的一方面，提出一種計算機可讀介質，其上存儲有計算機程序，該程序被處理器執行時實現如上文中的方法。
13、通過本申請所提供的上述實施例，通過大語言模型智能化地分析任務描述，自動將復雜任務分解為多個子任務，從而確保每個子任務的可執行性；依次執行子任務，并在任務執行過程中記錄任務執行數據，在任務執行數據的基礎上引入反饋循環與動態規劃機制，根據任務執行數據進行執行狀態反饋，根據狀態反饋信息進行任務分解策略調整，從而實現任務執行過程中實時調整任務流程，增強任務處理的適應性，使其能夠靈活應對復雜環境的變化，從而提高任務完成的成功率和整體效率。
本文檔來自技高網...【技術保護點】
1.一種基于大語言模型的復雜任務分解與動態優化方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述基于預先訓練的大語言模型，將待執行任務分解成多個子任務，并生成執行所述多個子任務的任務指令隊列，包括：
3.根據權利要求1所述的方法，其特征在于，還包括：
4.根據權利要求1所述的方法，其特征在于，所述根據所述任務執行數據和預設正常范圍生成執行狀態反饋信息，包括：
5.根據權利要求1所述的方法，其特征在于，還包括：
6.根據權利要求5所述的方法，其特征在于，所述根據所述執行狀態反饋信息生成任務分解策略調整指令，包括：
7.根據權利要求6所述的方法，其特征在于，所述根據所述趨勢分析結果和所述執行狀態反饋信息，利用預設自適應優化算法生成目標調整方案，包括：
8.根據權利要求5所述的方法，其特征在于，所述對任務歷史數據集中的任務執行數據進行歷史趨勢分析，得到趨勢分析結果，包括：
9.一種基于大語言模型的復雜任務分解與動態優化裝置，其特征在于，包括：
10.一種電子
11.一種計算機可讀存儲介質，其上存儲有計算機程序或指令，其特征在于，所述計算機程序或指令被處理器執行時實現如權利要求1-8中任一項所述的方法。
...【技術特征摘要】
1.一種基于大語言模型的復雜任務分解與動態優化方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述基于預先訓練的大語言模型，將待執行任務分解成多個子任務，并生成執行所述多個子任務的任務指令隊列，包括：
3.根據權利要求1所述的方法，其特征在于，還包括：
4.根據權利要求1所述的方法，其特征在于，所述根據所述任務執行數據和預設正常范圍生成執行狀態反饋信息，包括：
5.根據權利要求1所述的方法，其特征在于，還包括：
6.根據權利要求5所述的方法，其特征在于，所述根據所述執行狀態反饋信息生成任務分解策略調整指...
【專利技術屬性】
技術研發人員：興軍亮，孫熠，甘耀中，紀志鵬，陶品，史元春，
申請(專利權)人：啟元實驗室，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。