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 > 浙江大学;上海浙江大学高等研究院甘磊磊获国家专利权

浙江大学;上海浙江大学高等研究院甘磊磊获国家专利权

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!

龙图腾网获悉浙江大学;上海浙江大学高等研究院申请的专利基于大语言模型的法律问答事实性增强方法、系统及设备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:CN119621891B

龙图腾网通过国家知识产权局官网在2025-10-24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:202411669224.1,技术领域涉及:G06F16/3329;该发明授权基于大语言模型的法律问答事实性增强方法、系统及设备是由甘磊磊;胡英豪;吴飞;朱小军;王永威设计研发完成,并于2024-11-21向国家知识产权局提交的专利申请。

基于大语言模型的法律问答事实性增强方法、系统及设备在说明书摘要公布了:本发明公开了一种基于大语言模型的法律问答事实性增强方法、系统及设备,属于智能司法领域。本发明的方法首先基于大语言模型构造第一训练数据集以及第二训练数据集,使用监督微调的方法在第一训练数据集和第二训练数据集上对大语言模型基座进行微调,得到微调后的模型,利用基于难样本感知的强化学习算法对微调后的模型进行若干次迭代微调,直至达到预设的迭代轮次阈值或者模型收敛,得到法律问答模型。本发明构造了两阶段的高质量训练数据,并基于难样本感知的强化学习算法增强法律问答事实性,具有良好的应用前景。

本发明授权基于大语言模型的法律问答事实性增强方法、系统及设备在权利要求书中公布了:1.一种基于大语言模型的法律问答事实性增强方法,其特征在于,包括以下步骤: S1:获取法律咨询问题并构成初始问题集,对初始问题集进行预处理后,得到处理后的问题集,将处理后的问题集中的每个法律咨询问题和预先构建好的第一提示词输入到大语言模型中,输出每个法律咨询问题的初始答案,采用正则表达式提取每个初始答案中提及的所有法条,在文本总集合中寻找与每个初始答案的法条语义最相似的法条作为真实法条,将处理后的问题集中的每个法律咨询问题、每个初始答案的真实法条和预先构建好的第二提示词输入到大语言模型中,输出仅与处理后的问题集中的每个法律咨询问题相关的法条并构成修正法条集合,将处理后的问题集中的每个法律咨询问题、初始答案、修正法条集合和预先构建好的第三提示词输入到大语言模型中对初始答案进行修正,得到修正答案,由处理后的问题集中的每个法律咨询问题及其对应的修正答案构成第一训练数据集; S2:由第一训练数据集生成扩展法条集合,将扩展法条集合中的法条和预先构建好的第四提示词输入到大语言模型中,得到与扩展法条集合中的法条相关的法律咨询问题并构成扩展问题集,将扩展法条集合中的每个法条及其对应的扩展问题集连同预先构建好的第五提示词一起输入到大语言模型中,得到参考答案,由扩展问题集中的每个法律咨询问题及其对应的参考答案构成第二训练数据集; S3:使用监督微调的方法在第一训练数据集和第二训练数据集上对大语言模型基座进行微调,得到微调后的模型; S4:利用基于难样本感知的强化学习算法对微调后的模型进行若干次迭代微调,在每个迭代轮次内,均需要基于三种评价指标构造对应的偏好数据集,并按照预设比例对偏好数据集进行划分,得到难样本感知偏好学习的训练集、验证集以及测试集,在所述训练集上计算总损失,基于最小化所述总损失对微调后的模型进行参数更新,使用每个迭代轮次更新后的模型对测试集中的法律咨询问题进行推断,并在三种评价指标上评测推断结果,直至达到预设的迭代轮次阈值或者模型收敛,得到法律问答模型。

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浙江大学;上海浙江大学高等研究院,其通讯地址为:310058 浙江省杭州市西湖区余杭塘路866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。

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。