買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜成都數(shù)默科技有限公司申請的專利一種智能體思維鏈的強化學(xué)習(xí)獎罰機制設(shè)計方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119783760B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-27發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510283750.2，技術(shù)領(lǐng)域涉及：G06F16/3332；該發(fā)明授權(quán)一種智能體思維鏈的強化學(xué)習(xí)獎罰機制設(shè)計方法是由王偉旭;陳鵬;嚴得榮設(shè)計研發(fā)完成，并于2025-03-11向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種智能體思維鏈的強化學(xué)習(xí)獎罰機制設(shè)計方法在說明書摘要公布了：本發(fā)明公開了一種智能體思維鏈的強化學(xué)習(xí)獎罰機制設(shè)計方法，屬于人工智能技術(shù)領(lǐng)域，包括以下步驟：S1、狀態(tài)與動作定義；S2、子任務(wù)狀態(tài)與動作規(guī)劃；S3、思維鏈路徑構(gòu)建；S4、思維鏈步驟獎罰機制；S5、思維鏈路徑獎罰機制。本發(fā)明思維鏈中的每一個步驟都能夠得到即時的獎罰，以精確指導(dǎo)每一步的決策，同時在任務(wù)結(jié)束后再通過獎罰機制提供整體評價，使智能體在面對復(fù)雜問題時，能夠極大的提高任務(wù)執(zhí)行準確度。

本發(fā)明授權(quán)一種智能體思維鏈的強化學(xué)習(xí)獎罰機制設(shè)計方法在權(quán)利要求書中公布了：1.一種智能體思維鏈的強化學(xué)習(xí)獎罰機制設(shè)計方法，其特征在于，包括以下步驟：S1、狀態(tài)與動作定義定義智能體的當前狀態(tài)和可執(zhí)行動作；S2、子任務(wù)狀態(tài)與動作規(guī)劃根據(jù)上一個子任務(wù)的執(zhí)行結(jié)果，規(guī)劃下一個子任務(wù)的狀態(tài)和下一個子任務(wù)的動作，將每個子任務(wù)的執(zhí)行結(jié)果作為下一步任務(wù)的輸入；S3、思維鏈路徑構(gòu)建定義思維鏈路徑，由多組狀態(tài)-動作對組成，路徑從初始狀態(tài)到目標狀態(tài)，智能體通過每一步的推理和決策推進任務(wù)進展；S4、思維鏈步驟獎罰機制在思維鏈路徑中的每個步驟設(shè)置獎罰機制，并計算即時獎罰，通過多維度獎罰機制進行評估，計算得到思維鏈步驟總評分；S5、思維鏈路徑獎罰機制設(shè)計多個路徑獎懲維度對路徑性質(zhì)進行評估，計算得到思維鏈路徑性質(zhì)總評分，并結(jié)合思維鏈步驟總評分得到總的獎罰函數(shù)；所述S1中，當前狀態(tài)包括用戶問題、上下文信息和歷史交互記錄，當前狀態(tài)，可執(zhí)行動作包括提問、搜索、推理和生成回答，可執(zhí)行動作；所述S4中，在思維鏈路徑中的每個步驟設(shè)置獎罰機制是指設(shè)置正確性獎罰、相關(guān)性獎罰和信息密度獎罰；所述S4中，即時獎罰通過式1計算； 式1；其中，為即時獎罰，為正確性獎罰的權(quán)重，為正確性獎罰，為相關(guān)性獎罰的權(quán)重，為相關(guān)性獎罰，為信息密度獎罰的權(quán)重，為信息密度獎罰；所述S4中，思維鏈步驟總評分通過式2計算； 式2；其中，為思維鏈步驟總評分，為路徑的終止時間步；所述S5中，思維鏈路徑性質(zhì)總評分通過式3計算； 式3；其中，為思維鏈路徑性質(zhì)總評分，為線性懲罰，為路徑多樣性獎罰，為路徑調(diào)和評估度。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人成都數(shù)默科技有限公司，其通訊地址為：610000 四川省成都市中國(四川)自由貿(mào)易試驗區(qū)成都高新區(qū)天府大道北段28號1棟2單元15層06號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。