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)恭喜北京百車寶科技有限公司申請的專利多適配器微調(diào)的汽車問答方法、計算機設備和存儲介質(zhì)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：CN119537558B 。

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：202510093220.1，技術(shù)領(lǐng)域涉及：G06F16/3329；該發(fā)明授權(quán)多適配器微調(diào)的汽車問答方法、計算機設備和存儲介質(zhì)是由余文成設計研發(fā)完成，并于2025-01-21向國家知識產(chǎn)權(quán)局提交的專利申請。

本多適配器微調(diào)的汽車問答方法、計算機設備和存儲介質(zhì)在說明書摘要公布了：本發(fā)明提供一種多適配器微調(diào)的汽車問答方法、計算機設備和存儲介質(zhì)，所述方法包括：基座大模型的建立和預訓練；基于維修故障問題數(shù)據(jù)集對基座大模型進行微調(diào)得到維修故障適配器；基于用車問題數(shù)據(jù)集對基座大模型進行微調(diào)得到用車類問題適配器；基于通用領(lǐng)域問題數(shù)據(jù)集對基座大模型進行微調(diào)得到通用領(lǐng)域問題適配器；基于意圖識別任務數(shù)據(jù)集對基座大模型進行微調(diào)得到意圖識別適配器。本發(fā)明可以根據(jù)不同領(lǐng)域的問題進行分別微調(diào)，保證各領(lǐng)域的特異性，從而提高領(lǐng)域適配的精確度，確保一致的性能表現(xiàn)。本發(fā)明是對現(xiàn)有單一微調(diào)方法的重大改進，可以有效解決領(lǐng)域偏差問題。

本發(fā)明授權(quán)多適配器微調(diào)的汽車問答方法、計算機設備和存儲介質(zhì)在權(quán)利要求書中公布了：1.多適配器微調(diào)的汽車問答方法，其特征在于，采用基座大模型得到并運用維修故障適配器、用車類問題適配器、通用領(lǐng)域問題適配器和意圖識別適配器后進行汽車問題的問答，包括步驟：S1、所述基座大模型的建立和預訓練；S2、基于維修故障問題數(shù)據(jù)集對所述基座大模型進行微調(diào)得到所述維修故障適配器；S3、基于用車問題數(shù)據(jù)集對所述基座大模型進行微調(diào)得到所述用車類問題適配器；S4、基于通用領(lǐng)域問題數(shù)據(jù)集對所述基座大模型進行微調(diào)得到所述通用領(lǐng)域問題適配器；S5、基于意圖識別任務數(shù)據(jù)集對所述基座大模型進行微調(diào)得到所述意圖識別適配器;所述步驟S2至S5中的微調(diào)訓練包括下列步驟：SS1、初始化參數(shù)：從預訓練的所述基座大模型中初始化參數(shù)；SS2、低秩矩陣初始化：為低秩適配器模塊初始化兩個低秩矩陣A和B，其中，和，r?d，其中， ：表示所述低秩矩陣A是一個d行r列的矩陣， ：表示所述低秩矩陣B是一個d行r列的矩陣，r?d：表示r的值遠小于d，r和d是不小于0的整數(shù)，采用高斯分布隨機初始化所述低秩矩陣A和B： ， ，其中，是標準差，為根據(jù)工況設置為一預設小值，i1和j1為整數(shù)，且1≤i1≤d及1≤j1≤r，SS3、輸入數(shù)據(jù)：將處理后的數(shù)據(jù)輸入到所述基座大模型中，使所述基座大模型對輸入的所述數(shù)據(jù)進行特征提取；SS4、前向傳播：計算得到LoRA調(diào)整后的輸出結(jié)果，包括自注意力層、前饋神經(jīng)網(wǎng)絡層的神經(jīng)網(wǎng)絡的各個計算層通過對輸入的所述數(shù)據(jù)的逐步處理進行特征提取來生成模型輸出，即得到所述輸出結(jié)果，同時，通過在各所述計算層的權(quán)重矩陣中添加低秩矩陣A和B的乘積對所述權(quán)重矩陣進行調(diào)整： ，上式中，是調(diào)整后的所述權(quán)重矩陣，W是初始權(quán)重矩陣，“·”代表矩陣點積，B’是B的轉(zhuǎn)置矩陣，所述輸出結(jié)果滿足： ，上式中，f為一個映射函數(shù)，x是輸入特征，f的具體形式根據(jù)任務需求而有所不同，具體由技術(shù)人員根據(jù)工況確定；SS5、計算交叉熵損失，根據(jù)所述輸出結(jié)果和真實標簽計算交叉熵損失函數(shù)： ，上式中，表示交叉熵損失函數(shù)，N是樣本數(shù)量，C是類別即適配器的類型數(shù)量，是第i個樣本的第j類的真實標簽，是第i個樣本的第j類的預測概率，i和j為整數(shù)，logX是以10為底的X的對數(shù)；SS6、通過反向傳播算法計算損失函數(shù)相對于所述權(quán)重矩陣的任一元素Wθ的梯度，并分別更新所述低秩矩陣A和B的元素， ，上式中，是損失函數(shù)相對于所述權(quán)重矩陣的任一元素Wθ的梯度，對于所述低秩矩陣A的任一元素Aθ和所述低秩矩陣B的任一元素Bθ，使用優(yōu)化計算方法Adam進行更新，SS7、迭代訓練：重復所述步驟SS4至SS6，直到所述基座大模型在驗證集上的性能達到預期標準。

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)人北京百車寶科技有限公司，其通訊地址為：100000 北京市海淀區(qū)海淀蘇州街18號院-2樓16層1607；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)”。