Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 江苏翔晟信息技术股份有限公司陈尚浩获国家专利权

江苏翔晟信息技术股份有限公司陈尚浩获国家专利权

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!

龙图腾网获悉江苏翔晟信息技术股份有限公司申请的专利一种融合实时事实库校验的大模型幻觉抑制训练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:CN121257756B

龙图腾网通过国家知识产权局官网在2026-02-24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:202511824750.5,技术领域涉及:G06N5/04;该发明授权一种融合实时事实库校验的大模型幻觉抑制训练方法及系统是由陈尚浩;张军军;屠文旭;曹笑笑;李莲珠设计研发完成,并于2025-12-05向国家知识产权局提交的专利申请。

一种融合实时事实库校验的大模型幻觉抑制训练方法及系统在说明书摘要公布了:本发明涉及幻觉抑制技术领域,公开了一种融合实时事实库校验的大模型幻觉抑制训练方法及系统,包括:通过构建实时事实库图,计算节点的离散里奇曲率和入度,结合输入查询检索候选文献并生成中性检索分布;利用几何去偏参数计算权重,对分布进行重加权归一化以获得目标证据分布;对候选文献编码并经门控网络生成证据使用分布,计算负对数似然损失;以节点最短路径为成本计算最优传输损失,并基于入度尾部指数构建尾部指数损失;最后将三类损失加权求和,采用梯度下降法联合优化模型超参数。该方法实现了事实分布的几何去偏与检索结果的动态校准,有效抑制大模型的结构化幻觉偏差,提高生成内容的真实性与可靠性。

本发明授权一种融合实时事实库校验的大模型幻觉抑制训练方法及系统在权利要求书中公布了:1.一种融合实时事实库校验的大模型幻觉抑制训练方法,其特征在于,包括: 构建实时事实库图,计算实时事实库图中节点的离散里奇曲率及入度; 基于输入查询从实时事实库图中检索候选文献,结合分布平滑参数生成中性检索分布,并读取各候选文献对应的离散里奇曲率及入度; 利用几何去偏参数计算候选文献的几何去偏权重,通过几何去偏权重对中性检索分布重加权并归一化,得到目标证据分布,包括: 设定几何去偏参数,该几何去偏参数包括曲率抑制系数、入度抑制幂次系数和平滑常数; 针对每个候选文献,结合该候选文献对应节点的离散里奇曲率与曲率抑制系数、该候选文献对应节点的入度与入度抑制幂次系数及平滑常数,计算该候选文献的几何去偏权重; 计算归一化常数,该归一化常数为所有候选文献的中性检索分布概率与各自几何去偏权重的乘积之和; 针对每个候选文献,将该候选文献的中性检索分布概率与几何去偏权重的乘积除以归一化常数,得到该候选文献的目标证据分布概率,所有候选文献的目标证据分布概率组成目标证据分布; 对候选文献进行编码,经门控网络处理并结合分布平滑参数生成证据使用分布,基于证据使用分布计算负对数似然损失; 以实时事实库图中节点的最短路径距离为成本,结合正则化参数计算证据使用分布到目标证据分布的最优传输损失; 基于证据使用分布计算入度尾部指数,结合中性检索分布的基线入度尾部指数及尾部调整参数,计算尾部指数损失,包括: 设定样本规模参数; 按照节点入度从大到小的顺序,从候选文献对应节点中选取数量等于样本规模参数的节点,组成第一节点集合; 同时按照节点入度从大到小的顺序,从候选文献对应节点中选取数量等于样本规模参数的节点,组成第二节点集合; 针对第一节点集合,获取每个节点对应的证据使用分布概率,计算每个节点的证据使用分布概率与第一节点集合内所有节点的证据使用分布概率之和的比值,得到每个节点在第一节点集合内的归一化权重; 找出第一节点集合内所有节点的入度中的最小值,作为第一最小入度; 针对第一节点集合内的每个节点,计算该节点入度的自然对数与第一最小入度的自然对数的差值,将该差值与该节点的归一化权重相乘,再将所有相乘结果相加,得到基于证据使用分布的入度尾部指数; 针对第二节点集合,获取每个节点对应的中性检索分布概率,计算每个节点的中性检索分布概率与第二节点集合内所有节点的中性检索分布概率之和的比值,得到每个节点在第二节点集合内的归一化权重; 找出第二节点集合内所有节点的入度中的最小值,作为第二最小入度;针对第二节点集合内的每个节点,计算该节点入度的自然对数与第二最小入度的自然对数的差值,将该差值与该节点的归一化权重相乘,再将所有相乘结果相加,得到基于中性检索分布的基线入度尾部指数;设定尾部调整参数; 将基线入度尾部指数与尾部调整参数相加,得到目标尾部指数; 计算目标尾部指数与基于证据使用分布的入度尾部指数的差值,若该差值为负数,则取零作为调整后差值; 若该差值为非负数,则直接将该差值作为调整后差值;计算调整后差值的平方,得到尾部指数损失; 将负对数似然损失、最优传输损失、尾部指数损失通过损失权重参数加权得到总损失,采用梯度下降法联合更新大模型的超参数,直至收敛。

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江苏翔晟信息技术股份有限公司,其通讯地址为:210046 江苏省南京市栖霞区绿地云都会A-1幢12、13楼;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”。

以上内容由龙图腾AI智能生成。

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。