CN118261303A - 碳减排方案大模型的优化方法、设备及存储介质 - Google Patents
碳减排方案大模型的优化方法、设备及存储介质 Download PDFInfo
- Publication number
- CN118261303A CN118261303A CN202410544539.7A CN202410544539A CN118261303A CN 118261303 A CN118261303 A CN 118261303A CN 202410544539 A CN202410544539 A CN 202410544539A CN 118261303 A CN118261303 A CN 118261303A
- Authority
- CN
- China
- Prior art keywords
- emission reduction
- carbon emission
- sample
- scheme
- preferred
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 298
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 296
- 230000009467 reduction Effects 0.000 title claims abstract description 295
- 238000000034 method Methods 0.000 title claims abstract description 181
- 238000005457 optimization Methods 0.000 title claims abstract description 37
- 230000008569 process Effects 0.000 claims abstract description 131
- 238000012545 processing Methods 0.000 claims abstract description 62
- 238000012549 training Methods 0.000 claims abstract description 55
- 238000004590 computer program Methods 0.000 claims description 20
- 238000011156 evaluation Methods 0.000 claims description 14
- 238000011282 treatment Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 8
- 238000011269 treatment regimen Methods 0.000 claims 1
- 238000009472 formulation Methods 0.000 abstract description 6
- 239000000203 mixture Substances 0.000 abstract description 6
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 230000003993 interaction Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000010200 validation analysis Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 235000002198 Annona diversifolia Nutrition 0.000 description 1
- 241000282842 Lama glama Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种碳减排方案大模型的优化方法、设备及存储介质。该方法包括:获取优选碳减排样本方案的优选过程样本数据集;优选过程样本数据集由生成优选碳减排样本方案的处理过程的数据构成;根据优选碳减排样本方案和优选过程样本数据集形成训练样本数据集;根据训练样本数据集对预设大模型进行参数优化,获得目标碳减排方案大模型,能够对碳减排方案大模型的处理能力进行优化,优化碳减排方案的质量,提升碳减排方案制定的自动化程度。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种碳减排方案大模型的优化方法、设备及存储介质。
背景技术
在全球气候变暖的背景下,实现降碳减耗是地球可持续发展的必然选择。为了加快降碳减耗的步伐,引导绿色技术创新,提高产业和经济的全球竞争力,需要为不同的企业、***和主体提供一个科学、严谨且可持续化发展的碳减排方案。
随着大模型技术的发展,利用大模型生成碳减排方案成为一个重要趋势。大模型是大规模语言模型(Large Language Model)的简称,是一种具有庞大的参数规模和复杂程度的机器学习模型,旨在理解和生成人类语言。
碳减排方案往往采用一企一策的方法,需求复杂多变,且涉及的要求和数据多样,导致单纯基于大模型生成碳减排方案的质量、精度、适应性和效率等方面存在诸多不足,在复杂计算场景下往往还需要配合专业的计算工具和模型。
发明内容
本发明提供了一种碳减排方案大模型的优化方法、设备及存储介质,以解决在基于大模型生成碳减排方案时能力不足,往往需要和专业的计算工具配合使用的问题,对大模型的处理能力进行优化,优化碳减排方案的质量,提升碳减排方案制定的自动化程度。
根据本发明的一方面,提供了一种碳减排方案大模型的优化方法,包括:
获取优选碳减排样本方案的优选过程样本数据集;所述优选过程样本数据集生成优选碳减排样本方案的处理过程数据构成的集合;
根据所述优选碳减排样本方案和所述优选过程样本数据集形成训练样本数据集;
根据所述训练样本数据集对预设大模型进行参数优化,获得目标碳减排方案大模型。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的碳减排方案大模型的优化方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的碳减排方案大模型的优化方法。
本发明实施例的技术方案,通过获取优选碳减排样本方案的优选过程样本数据集;优选过程样本数据集由生成优选碳减排样本方案的处理过程的数据构成;根据优选碳减排样本方案和优选过程样本数据集形成训练样本数据集;根据训练样本数据集对预设大模型进行参数优化,获得目标碳减排方案大模型。通过将优选的过程数据作为样本数据对大模型进行训练,对碳减排方案大模型的处理能力进行优化,解决了在基于大模型生成碳减排方案时能力不足,往往需要和专业的计算工具配合使用的问题,使减排方案大模型能够面对各种复杂的碳减排需求,优化碳减排方案的质量,提升碳减排方案制定的自动化程度。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的一种碳减排方案大模型的优化方法的流程图;
图2是本发明实施例二提供的一种碳减排方案大模型的优化方法的流程图;
图3是本发明实施例提供的一种碳减排方案大模型的优化***的***框图;
图4是本发明实施例三提供的一种碳减排方案大模型的优化装置的结构示意图;
图5是实现本发明实施例的碳减排方案大模型的优化方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1是本发明实施例一提供的一种碳减排方案大模型的优化方法的流程图,本实施例可适用于对生成碳减排方案的碳减排方案大模型进行优化的情况,该方法可以由碳减排方案大模型的优化装置来执行,该碳减排方案大模型的优化装置可以采用硬件和/或软件的形式实现,该碳减排方案大模型的优化装置可配置于电子设备中。如图1所示,该方法包括:
S110、获取优选碳减排样本方案的优选过程样本数据集;优选过程样本数据集生成优选碳减排样本方案的处理过程数据构成的集合。
其中,优选碳减排样本方案是指优选的碳减排样本方案。碳减排样本方案是指作为训练样本的碳减排方案。优选过程样本数据集生成优选碳减排样本方案的处理过程数据构成的集合,过程数据具体可以包括:输入数据、输出数据、中间特征数据和结果数据等。可选的,所述优选碳减排样本方案的优选过程样本数据集包括:所述优选碳减排样本方案的全过程样本数据集和/或阶段过程样本数据集。
在本实施例中,从获取到的碳减排样本方案中选出优选碳减排样本方案,并根据优选碳减排样本方案的生成方法获取在生成优选碳减排样本方案的过程中产生的优选过程样本数据集。
示例性的,碳减排样本方案的生成方法可以是通过已构建的碳减排方案大模型生成,也可以是基于专用工具处理得到。优选碳减排样本方案的方式可以是根据评估指标从碳减排样本方案中选择优选碳减排样本方案。
S120、根据优选碳减排样本方案和优选过程样本数据集形成训练样本数据集。
其中,训练样本数据集是用于训练预设大模型的样本数据构成的集合。
在本实施例中,根据优选得到的优选碳减排样本方案以及产生优选碳减排样本方案的优选过程样本数据集,构成训练样本数据集。
S130、根据训练样本数据集对预设大模型进行参数优化,获得目标碳减排方案大模型。
其中,预设大模型是指待训练的基础大模型。在本实施例中,可以根据实际的需求选择合适的大语言模型作为预设大模型进行微调,例如BERT、GPT、Llama等。碳减排方案大模型是指训练完备的大模型,用于生成碳减排方案。
在本实施例中,将训练样本数据集输入预设大模型,根据预设大模型输出的结果和训练样本数据中的标记结果计算损失函数值,选择合适的优化算法(如梯度下降算法)最小化损失函数值,更新预设大模型的参数,直到获得目标碳减排大模型。常见的损失函数可以包括均方误差、交叉熵等,常见的优化器包括梯度下降、Adam等。
预设大模型具有的强大的表征能力和泛化能力的基础上,对预设大模型的模型参数进行微调,使训练得到的碳减排方案大模型能够更好地提供碳减排方案的生成能力。微调的方式可以采用Prefix Tuning、Prompt Tuning、P-tuning和P-Prompting v2.0等,以更好地捕捉任务的特定信息,提高模型的泛化能力。
本发明实施例的技术方案,通过获取优选碳减排样本方案的优选过程样本数据集;优选过程样本数据集由生成优选碳减排样本方案的处理过程的数据构成;根据优选碳减排样本方案和优选过程样本数据集形成训练样本数据集;根据训练样本数据集对预设大模型进行参数优化,获得目标碳减排方案大模型。通过将优选的过程数据作为样本数据对大模型进行训练,对碳减排方案大模型的处理能力进行优化,使减排方案大模型能够面对各种复杂的碳减排需求,优化碳减排方案的质量,提升碳减排方案制定的自动化程度。
实施例二
图2是本发明实施例二提供的一种碳减排方案大模型的优化方法的流程图,本实施例在上述实施例的基础上,进一步细化获取优选碳减排样本方案的优选过程样本数据集,包括:获取多个碳减排样本方案和各所述碳减排样本方案的过程样本数据;将评估指标值满足预设条件的碳减排样本方案确定为优选碳减排样本方案;将优选碳减排样本方案对应的过程样本数据确定为优选过程样本数据;将各所述优选碳减排样本方案对应的优选过程样本数据进行整合,获得优选过程样本数据集。
如图2所示,该方法包括:
S210、获取多个碳减排样本方案和各碳减排样本方案的过程样本数据集。
其中,碳减排样本方案是指作为训练样本的碳减排方案。过程样本数据集是指在生成碳减排样本方案的过程中所产生数据集合。
在本实施例中,从知识库中获取多个碳减排样本方案,并根据碳减排样本方案的生成方式获取在碳减排样本方案的过程中所产生的过程样本数据集。
可选的,获取多个碳减排样本方案和各所述候选碳减排样本方案的过程样本数据包括:
获取碳减排任务样本数据;
基于多个不同的预设碳减排处理方式对将所述碳减排任务样本数据分别进行处理,获得碳减排样本方案;
分别获取在生成各所述碳减排样本方案的过程中产生的过程样本数据。
可选的,预设碳减排处理方式包括:基于大模型的处理方式和/或基于处理工具的处理方式。过程样本数据包括:全过程样本数据或者阶段过程样本数据。全过程样本数据指在碳减排样本方案的完整过程中所产生的全部数据。阶段过程样本数是指在在碳减排样本方案的过程中的某一个或多个处理阶段或者步骤产生的数据。
其中,碳减排任务样本数据是指作为样本的碳减排任务数据。
在本实施例中,从知识库中碳减排任务样本数据,获取基于大模型的处理方式和/或基于处理工具的处理方式对碳减排任务样本数据分别进行处理,获得碳减排样本方案,并获取在各碳减排样本方案生成过程中产生的过程样本数据。
示例性的,基于大模型的处理方式对碳减排任务样本数据进行处理,获得第一碳减排样本方案,并获取在基于大模型的处理方式对碳减排任务样本数据进行处理的过程中产生的第一过程样本数据。或者,基于处理工具的处理方式对碳减排任务样本数据进行处理,获得第二碳减排样本方案,并获取在基于处理工具的处理方式对碳减排任务样本数据进行处理的过程中产生的第二过程样本数据。或者,基于大模型的处理方式和基于处理工具的处理方式对碳减排任务样本数据进行处理,获得第三碳减排样本方案,并获取在基于大模型的处理方式和基于处理工具的处理方式对碳减排任务样本数据进行处理的过程中产生的第三过程样本数据。
S220、将评估指标值满足预设条件的碳减排样本方案确定为优选碳减排样本方案。
其中,评估指标值是用于评估碳减排方案是否为优选方案的指标,评估指标例如可以包括用户满意度、效率、准确度、碳减排成本和召回率等性能指标中的一项或多项,也可以是多项指标构成中的综合评估指标。预设条件可以根据实际需求设定,本发明实施例对评估指标和预设条件均不设限制,可以根据用户需求进行调整。
在本实施例中,分别计算多个碳减排样本方案的评估指标值,若评估指标值满足预设条件,则将该碳减排样本方案确定为优选碳样本方案。
S230、将优选碳减排样本方案对应的过程样本数据确定为优选过程样本数据。
在本实施例中,从各候选碳减排样本方案的过程样本数据中确定优选碳减排样本方案对应的过程样本数据为优选过程样本数据。
S240、将各优选碳减排样本方案对应的优选过程样本数据进行整合,获得优选过程样本数据集。
在本实施例中,将各优选碳减排样本方案对应的优选过程样本数据进行整合,获得优选过程样本数据集。示例性的,整合的方式可以包括:数据汇集、数据合并和数据预处理等。数据预处理可以包括:去除重复值、填补缺失值、处理异常值、标准化数据等操作,以确保数据的质量和一致性。
另外,还可以对优选过程样本数据集进行存储和管理,具体可以包括:使用数据库***、数据存储平台或文件***实现优选过程样本数据集的存储、索引和标记,以便后续的数据访问和处理。还可以使用自动化和工作流程管理优选过程样本数据集,例如使用Apache Airflow、Apache NiFi等工具可以定义和执行复杂的数据处理流程,提高处理效率和可重复性。
S250、根据优选碳减排样本方案和优选过程样本数据集形成训练样本数据集。
在本实施例中,训练样本数据集可以进一步划分为:训练集、测试集和验证集。训练集用于模型训练,验证集用于调整模型参数和选择模型,测试集用于评估模型性能。训练集、测试集和验证集的划分比例可以根据具体问题和数据规模来确定。
在本发明实施例中,将基于大模型的处理方式获得过程样本数据作为训练样本数据集,能够提升大模型的处理能力,降低生成碳减排方案时对专业处理工具的依赖。将基于处理工具的处理方式获得过程样本数据,或者将基于大模型的处理方式和基于处理工具的处理方式获得过程样本数据,作为训练样本数据集,能够提升大模型的处理能力,降低生成碳减排方案时对专业处理工具的依赖,甚至完全替代专业处理工具的处理能力。
在一个可选实施例中,根据所述优选碳减排样本方案和所述优选过程样本数据集形成训练样本数据集,包括:
获取知识数据集;
根据所述优选碳减排样本方案、所述优选过程样本数据集和知识数据集形成训练样本数据集。
其中,知识数据集可以包括低碳技术、零碳技术、方法、流程、案例等相关知识,这类知识可以通过收集行业报告、专家知识、研究论文和历史案例等方式获取,并整理和组织成结构化数据。
在本实施例中,为了进一步对训练样本数据集进行优化,以提高目标碳减排方案大模型所生成的目标碳减排方***度和速度,可以进一步在优选碳减排样本方案和优选过程样本数据集中增加知识数据集。
S260、根据训练样本数据集对预设大模型进行参数优化,获得目标碳减排方案大模型。
在一个可选实施例中,根据所述训练样本数据集对预设大模型进行训练,获得目标碳减排方案大模型,包括:根据所述训练样本数据集生成碳减排方案问答对;所述碳减排方案问答对包括:碳减排提示问题和碳减排样本方案;将所述碳减排方案问答对输入所述预设大模型获得所述碳减排方案问答对的预测碳减排方案;根据所述预测碳减排方案和碳减排样本方案的损失函数,对所述预设大模型进行模型参数调整,获得目标碳减排方案大模型。
另外还可以根据测试集和验证集对模型进行评估。评估指标可以包括准确率、精确率、召回率、综合评分等,帮助判断模型的效果,并对模型进一步进行参数调整和优化来改善模型的性能。可以根据评估结果,采用优化算法、调整学习率、正则化技术等调整模型的超参数和学习率等,优化模型的收敛速度和泛化能力。
S270、获取目标碳减排任务数据;将目标碳减排任务数据输入目标碳减排方案大模型,获得目标碳减排方案。
其中,目标碳减排任务数据是指以制定碳减排方案为目标的任务相关的数据,目标碳减排任务数据可以通过用户交互界面、用户***接口获取得到。目标碳减排方案是指基于目标碳减排任务数据所制定的碳减排方案。
在本实施例中,在基于优化后的训练样本数据集训练得到的目标碳减排方案大模型之后,将获取到的碳减排任务数据输入目标碳减排方案大模型,经过目标碳减排方案大模型队碳减排任务数据的处理,输出目标碳减排方案。
本发明实施例的技术方案,通过获取多个碳减排样本方案和各碳减排样本方案的过程样本数据集;将评估指标值满足预设条件的碳减排样本方案确定为优选碳减排样本方案;将优选碳减排样本方案对应的过程样本数据确定为优选过程样本数据;将各优选碳减排样本方案对应的优选过程样本数据进行整合,获得优选过程样本数据集;根据优选碳减排样本方案和优选过程样本数据集形成训练样本数据集;根据训练样本数据集对预设大模型进行参数优化,获得目标碳减排方案大模型;获取目标碳减排任务数据;将目标碳减排任务数据输入目标碳减排方案大模型,获得目标碳减排方案。通过将优选的过程数据作为样本数据对大模型进行训练,对碳减排方案大模型的处理能力进行优化,降低对专业处理工具的依赖甚至替代专业工具,使减排方案大模型能够面对各种复杂的碳减排需求,优化碳减排方案的质量,提升碳减排方案制定的自动化程度。
在一个具体的实施例中,图3是本发明实施例提供的一种碳减排方案大模型的优化***的***框图。如图3所示,碳减排方案大模型的优化***包括:用户交互模块310、控制模块320、知识库330和方案输出模块340。知识库330中存储有基于大模型331的处理方式对将碳减排任务样本数据进行处理获得的碳减排样本方案以及对应的过程样本数据;以及基于处理工具332的处理方对将碳减排任务样本数据进行处理获得的碳减排样本方案以及对应的过程样本数据。碳减排方案大模型的优化***通过知识库340获取优选碳减排样本方案和优选过程样本数据集,将优选碳减排样本方案和优选过程样本数据集输出到控制模块320,控制模块320从知识库中获取知识数据集;根据优选碳减排样本方案、优选过程样本数据集和知识数据集形成训练样本数据集,并对预设大模型进行参数优化,获得目标碳减排方案大模型。目标碳减排方案大模型可以存储在控制器本地中,也可以存储在外部存储器中。
碳减排方案大模型的优化***还可以通过用户交互模块310获取碳减排任务,并将碳减排任务输入到控制模块320。控制模块320通过目标碳减排方案大模型确定目标碳减排方案,将目标碳减排方案输出到方案输出模块340。
实施例三
图4为本发明实施例三提供的一种碳减排方案大模型的优化装置的结构示意图。如图4所示,该装置包括:过程数据集获取模块310、样本数据集确定模块320和大模型优化模块330;其中,
过程数据集获取模块310,用于获取优选碳减排样本方案的优选过程样本数据集;所述优选过程样本数据集生成优选碳减排样本方案的处理过程数据构成的集合;
样本数据集确定模块320,用于根据所述优选碳减排样本方案和所述优选过程样本数据集形成训练样本数据集;
大模型优化模块330,用于根据所述训练样本数据集对预设大模型进行参数优化,获得目标碳减排方案大模型。
本发明实施例的技术方案,通过获取优选碳减排样本方案的优选过程样本数据集;优选过程样本数据集由生成优选碳减排样本方案的处理过程的数据构成;根据优选碳减排样本方案和优选过程样本数据集形成训练样本数据集;根据训练样本数据集对预设大模型进行参数优化,获得目标碳减排方案大模型,能够对碳减排方案大模型的处理能力进行优化,优化碳减排方案的质量,提升碳减排方案制定的自动化程度。
可选的,过程数据集获取模块310,包括:
样本数据获取单元,用于获取多个碳减排样本方案和各所述碳减排样本方案的过程样本数据;
优选方案确定单元,用于将评估指标值满足预设条件的碳减排样本方案确定为优选碳减排样本方案;
优选数据确定单元,用于将优选碳减排样本方案对应的过程样本数据确定为优选过程样本数据;
数据整合单元,用于将各所述优选碳减排样本方案对应的优选过程样本数据进行整合,获得优选过程样本数据集。
可选的,样本数据获取单元,具体用于:
获取碳减排任务样本数据;
基于多个不同的预设碳减排处理方式对将所述碳减排任务样本数据分别进行处理,获得碳减排样本方案;
分别获取在生成各所述碳减排样本方案的过程中产生的过程样本数据。
可选的,所述预设碳减排处理方式包括:基于大模型的处理方式和/或基于处理工具的处理方式。
可选的,所述优选碳减排样本方案的优选过程样本数据集包括:所述优选碳减排样本方案的全过程样本数据集和/或阶段过程样本数据集。
可选的,样本数据集确定模块320,具体用于:
获取知识数据集;
根据所述优选碳减排样本方案、所述优选过程样本数据集和知识数据集形成训练样本数据集。
可选的,大模型优化模块330,具体用于:
根据所述训练样本数据集生成碳减排方案问答对;所述碳减排方案问答对包括:碳减排提示问题和碳减排样本方案;
将所述碳减排方案问答对输入所述预设大模型获得所述碳减排方案问答对的预测碳减排方案;
根据所述预测碳减排方案和碳减排样本方案的损失函数,对所述预设大模型进行模型参数调整,获得目标碳减排方案大模型。
可选的,还包括:
方案生成模块,用于在根据所述训练数据集对预设大模型进行训练,获得碳减排方案大模型之后,获取目标碳减排任务数据;将所述目标碳减排任务数据输入目标碳减排方案大模型,获得目标碳减排方案。
本发明实施例所提供的碳减排方案大模型的优化装置可执行本发明任意实施例所提供的碳减排方案大模型的优化方法,具备执行方法相应的功能模块和有益效果。
实施例四
图5示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图5所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如碳减排方案大模型的优化方法。
在一些实施例中,碳减排方案大模型的优化方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的碳减排方案大模型的优化方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行碳减排方案大模型的优化方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
在一些实施例中,碳减排方案大模型的优化方法可被实现为计算机程序,其被无形地包含于计算机程序产品中,计算机程序在被处理器执行时实现本发明的碳减排方案大模型的优化方法,计算机程序产品可以理解为主要通过计算机程序实现其解决方案的软件产品。用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的***和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种碳减排方案大模型的优化方法,其特征在于,包括:
获取优选碳减排样本方案的优选过程样本数据集;所述优选过程样本数据集生成优选碳减排样本方案的处理过程数据构成的集合;
根据所述优选碳减排样本方案和所述优选过程样本数据集形成训练样本数据集;
根据所述训练样本数据集对预设大模型进行参数优化,获得目标碳减排方案大模型。
2.根据权利要求1所述的方法,其特征在于,获取优选碳减排样本方案的优选过程样本数据集,包括:
获取多个碳减排样本方案和各所述碳减排样本方案的过程样本数据;
将评估指标值满足预设条件的碳减排样本方案确定为优选碳减排样本方案;
将优选碳减排样本方案对应的过程样本数据确定为优选过程样本数据;
将各所述优选碳减排样本方案对应的优选过程样本数据进行整合,获得优选过程样本数据集。
3.根据权利要求2所述的方法,其特征在于,获取多个碳减排样本方案和各所述碳减排样本方案的过程样本数据,包括:
获取碳减排任务样本数据;
基于多个不同的预设碳减排处理方式对将所述碳减排任务样本数据分别进行处理,获得碳减排样本方案;
分别获取在生成各所述碳减排样本方案的过程中产生的过程样本数据。
4.根据权利要求3所述的方法,其特征在于,所述预设碳减排处理方式包括:基于大模型的处理方式和/或基于处理工具的处理方式。
5.根据权利要求1-4任一所述的方法,其特征在于,所述优选碳减排样本方案的优选过程样本数据集包括:所述优选碳减排样本方案的全过程样本数据集和/或阶段过程样本数据集。
6.根据权利要求1所述的方法,其特征在于,根据所述优选碳减排样本方案和所述优选过程样本数据集形成训练样本数据集,包括:
获取知识数据集;
根据所述优选碳减排样本方案、所述优选过程样本数据集和知识数据集形成训练样本数据集。
7.根据权利要求1所述的方法,其特征在于,根据所述训练样本数据集对预设大模型进行训练,获得目标碳减排方案大模型,包括:
根据所述训练样本数据集生成碳减排方案问答对;所述碳减排方案问答对包括:碳减排提示问题和碳减排样本方案;
将所述碳减排方案问答对输入所述预设大模型获得所述碳减排方案问答对的预测碳减排方案;
根据所述预测碳减排方案和碳减排样本方案的损失函数,对所述预设大模型进行模型参数调整,获得目标碳减排方案大模型。
8.根据权利要求1或7所述的方法,其特征在于,在根据所述训练样本数据集对预设大模型进行训练,获得碳减排方案大模型之后,还包括:
获取目标碳减排任务数据;
将所述目标碳减排任务数据输入目标碳减排方案大模型,获得目标碳减排方案。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8中任一项所述的碳减排方案大模型的优化方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-8中任一项所述的碳减排方案大模型的优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410544539.7A CN118261303A (zh) | 2024-04-30 | 2024-04-30 | 碳减排方案大模型的优化方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410544539.7A CN118261303A (zh) | 2024-04-30 | 2024-04-30 | 碳减排方案大模型的优化方法、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118261303A true CN118261303A (zh) | 2024-06-28 |
Family
ID=91602415
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410544539.7A Pending CN118261303A (zh) | 2024-04-30 | 2024-04-30 | 碳减排方案大模型的优化方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118261303A (zh) |
-
2024
- 2024-04-30 CN CN202410544539.7A patent/CN118261303A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114861039B (zh) | 一种搜索引擎的参数配置方法、装置、设备及存储介质 | |
CN115168562A (zh) | 一种智能问答***的构建方法、装置、设备及介质 | |
CN117724980A (zh) | 软件框架性能的测试方法、装置、电子设备和存储介质 | |
CN116955075A (zh) | 一种基于日志的解析语句生成方法、装置、设备及介质 | |
CN115801589B (zh) | 一种事件拓扑关系确定方法、装置、设备及存储介质 | |
CN116188745A (zh) | 一种加工工艺的确定方法、装置、电子设备及存储介质 | |
CN118261303A (zh) | 碳减排方案大模型的优化方法、设备及存储介质 | |
CN115455091A (zh) | 数据生成方法、装置、电子设备和存储介质 | |
CN114896418A (zh) | 知识图谱构建方法、装置、电子设备及存储介质 | |
CN114999665A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN113610225A (zh) | 质量评估模型训练方法、装置、电子设备及存储介质 | |
CN117077791B (zh) | 一种基于图数据结构的模型推理方法、装置、设备及介质 | |
CN117827710B (zh) | 基于ai芯片的dma带宽确定方法、装置、设备及介质 | |
CN116431698B (zh) | 一种数据提取方法、装置、设备及存储介质 | |
CN118261302A (zh) | 碳减排方案的生成方法、设备及存储介质 | |
CN116881280A (zh) | 优化数据库语句确定方法、装置、设备及存储介质 | |
CN118260435A (zh) | 一种知识与数据的处理方法、装置、电子设备及存储介质 | |
CN116523051A (zh) | 一种模型混精推理方法、装置、设备及存储介质 | |
CN118261301A (zh) | 碳减排方案的生成方法、***、设备及存储介质 | |
CN115495380A (zh) | 测试用例生成方法、装置、电子设备及存储介质 | |
CN118071125A (zh) | 基于警务大模型的任务处理方法、装置、设备及介质 | |
CN116883198A (zh) | 一种数据质量的评估方法、装置、电子设备以及介质 | |
CN117077791A (zh) | 一种基于图数据结构的模型推理方法、装置、设备及介质 | |
CN118096389A (zh) | 一种数据处理方法、装置、电子设备及存储介质 | |
CN117370399A (zh) | 一种表单的比对方法、装置、目标数据库及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |