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！

龙图腾网获悉北京市科学技术研究院申请的专利结合跨模态学习的智能体训练数据集构建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：CN121212191B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202511417513.7，技术领域涉及：G06N3/006；该发明授权结合跨模态学习的智能体训练数据集构建方法及系统是由侯元元;吴素研;张士运;杜丽萍;戴爱兵;吕志坚;赵桂芬设计研发完成，并于2025-09-30向国家知识产权局提交的专利申请。

本结合跨模态学习的智能体训练数据集构建方法及系统在说明书摘要公布了：本发明公开结合跨模态学习的智能体训练数据集构建方法及系统，涉及智能体训练技术领域，包括从多源数据库获取多模态情报数据并提取特征信息，将特征信息投影至预设语义空间得到跨模态对齐特征；基于跨模态对齐特征构建智能体函数调用语法树，解析为指令序列并构建分析推理链，生成样本标签和交互轨迹；利用样本标签和交互轨迹构建任务依赖图并分解为多个并行决策分支，动态调整处理策略形成训练数据集；将训练数据集映射至智能体目标空间，通过训练反馈通道优化分析推理链，输出标准化样本库；最终将待分析数据输入至训练好的智能体，根据分析推理链生成情报分析报告。

本发明授权结合跨模态学习的智能体训练数据集构建方法及系统在权利要求书中公布了：1.结合跨模态学习的智能体训练数据集构建方法，其特征在于，包括以下步骤： 从多源数据库获取多模态情报数据，提取多模态情报数据中的特征信息，将所述特征信息投影至预设语义空间得到跨模态对齐特征；所述多源数据库包括文本、图像、语音及结构化数据库； 基于跨模态对齐特征构建智能体函数调用语法树，将语法树解析为指令序列并构建分析推理链，生成样本标签和交互轨迹； 利用样本标签和交互轨迹构建任务依赖图，将任务依赖图分解为多个并行决策分支，基于分析推理链动态调整各分支的处理策略，形成训练数据集； 将训练数据集映射至智能体目标空间，通过训练反馈通道将分析结果反馈至分析推理链优化，输出标准化样本库； 将待分析数据输入至基于标准化样本库训练的智能体，根据分析推理链生成分析报告； 基于跨模态对齐特征构建智能体函数调用语法树，将语法树解析为指令序列并构建分析推理链，生成样本标签和交互轨迹包括： 从跨模态对齐特征中提取动作词和目标词，对动作词和目标词进行组合并建立层级依存关系，生成语义依存树； 统计语义依存树中各节点的语义特征，将语义特征的节点聚类为函数类别，基于各函数类别构建智能体函数调用模板； 将语义依存树中的节点与智能体函数调用模板进行特征匹配，基于匹配结果确定函数间的调用关系，构建智能体函数调用语法树； 根据智能体函数调用语法树的层级结构和节点间依存关系，生成指令序列，将所述指令序列中每个函数执行前后的系统状态变化记录为状态快照； 基于状态快照提取指令间的因果关联关系构建分析推理链，将所述分析推理链转化为交互轨迹，并从所述交互轨迹中提取任务目标和约束条件生成样本标签； 利用样本标签和交互轨迹构建任务依赖图，将任务依赖图分解为多个并行决策分支，基于分析推理链动态调整各分支的处理策略，形成训练数据集包括： 提取样本标签中的任务属性和交互轨迹中的操作序列； 计算任务属性间的执行依赖度和操作序列间的状态迁移度，将所述执行依赖度和状态迁移度组合为任务依赖强度； 对任务属性进行聚类分组，将同组任务属性合并为单一节点，不同组任务属性作为独立节点，组成节点集合； 在节点集合中，将存在依赖关系的节点间建立连接，将所述任务依赖强度赋值为边权重，生成任务依赖图； 计算任务依赖图中节点的入边权重和出边权重之和，将权重之和最大的节点作为分割点，沿所述分割点切分为多个任务依赖图并行决策分支； 分析并行决策分支在分析推理链中的状态转移特征，基于所述状态转移特征对各并行决策分支的处理策略进行动态调整，形成训练数据集； 其中，所述执行依赖度表示一个任务属性对另一个任务属性的依赖程度，通过分析任务属性间的语义关联和执行逻辑确定；所述状态迁移度表示一个操作执行后系统状态变化对下一个操作的影响程度，通过分析相邻操作之间的状态快照差异计算。

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北京市科学技术研究院，其通讯地址为：100089 北京市海淀区西三环北路27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”。

以上内容由龙图腾AI智能生成。