本發(fā)明涉及前端交互技術(shù)領(lǐng)域，具體為一種在平臺中動態(tài)增減嵌套表單項的交互方法及系統(tǒng)，包括主表單項動態(tài)管理，嵌套子表單項動態(tài)管理，聯(lián)動數(shù)據(jù)加載，復(fù)合驗證機(jī)制，數(shù)據(jù)持久化處理；有益效果為：支持復(fù)雜表單結(jié)構(gòu)：完美適配多層嵌套的動態(tài)表單場景，滿足...

本申請公開了一種政務(wù)大模型的算力調(diào)度方法、裝置、設(shè)備及存儲介質(zhì)，涉及計算機(jī)算力調(diào)度領(lǐng)域，包括：標(biāo)準(zhǔn)化處理歷史負(fù)載數(shù)據(jù)、初始網(wǎng)絡(luò)拓?fù)鋱D及服務(wù)水平協(xié)議約束規(guī)則得到處理后多維數(shù)據(jù)；利用預(yù)設(shè)算力預(yù)測模型對處理后多維數(shù)據(jù)執(zhí)行特征提取操作和多模態(tài)融...

本申請公開了基于大模型的應(yīng)急預(yù)案演練優(yōu)化方法、裝置、設(shè)備及介質(zhì)，涉及大模型技術(shù)領(lǐng)域，包括：將預(yù)案文件和預(yù)案文件對應(yīng)的預(yù)案ID存儲至對象存儲，提取預(yù)案文件的元數(shù)據(jù)，將預(yù)案元數(shù)據(jù)和人員信息存儲至關(guān)系型數(shù)據(jù)庫，將元數(shù)據(jù)中的預(yù)案角色和人員信息進(jìn)...

本發(fā)明涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，具體為一種基于多源數(shù)據(jù)融合與大模型協(xié)同的智能商機(jī)篩選系統(tǒng)及方法，包括調(diào)度控制模塊、多類型數(shù)據(jù)接入模塊、關(guān)鍵詞數(shù)據(jù)初篩模塊、大模型細(xì)篩處理模塊和展示模塊，各模塊通過調(diào)度控制模塊協(xié)同工作，實(shí)現(xiàn)商機(jī)數(shù)據(jù)的全流程自動...

本發(fā)明涉及大模型驅(qū)動技術(shù)領(lǐng)域，具體為一種基于大模型的政務(wù)熱線虛假陳述與捏造事實(shí)惡意投訴識別方法及系統(tǒng)，包括以下步驟：收集政務(wù)熱線歷史投訴數(shù)據(jù)和實(shí)時投訴數(shù)據(jù)，并對投訴文本進(jìn)行預(yù)處理與標(biāo)注；選擇預(yù)訓(xùn)練大模型，使用標(biāo)注好的數(shù)據(jù)集對預(yù)訓(xùn)練大模型...

本發(fā)明涉及大模型推理技術(shù)領(lǐng)域，具體為一種基于大模型實(shí)現(xiàn)的推理性能優(yōu)化方法及系統(tǒng)，包括以下步驟：初始化推理性能優(yōu)化智能體；實(shí)時采集硬件環(huán)境指標(biāo)，包括顯存利用率、CPU交換數(shù)、剩余顯卡資源、存儲IOPS及網(wǎng)絡(luò)吞吐量；有益效果為：通過對業(yè)務(wù)系...

本發(fā)明涉及智能工單處理技術(shù)領(lǐng)域，具體為一種融合歷史工單與職能匹配交通投訴二次轉(zhuǎn)派系統(tǒng)及方法，包括：接口服務(wù)層，配置為接收工單請求并返回轉(zhuǎn)派結(jié)果，實(shí)現(xiàn)空值容錯機(jī)制：當(dāng)工單標(biāo)題或呼叫內(nèi)容為空時自動替換為“無”，基于標(biāo)題和呼叫內(nèi)容的狀態(tài)動態(tài)選...

本申請?zhí)峁┗诖竽Ｐ偷馁Y源預(yù)測與個性化服務(wù)推薦的方法及裝置，包括：獲取至少一類歷史業(yè)務(wù)數(shù)據(jù)；利用至少一類歷史業(yè)務(wù)數(shù)據(jù)，訓(xùn)練資源預(yù)測模型和用戶分析模型；獲取至少一位用戶當(dāng)前操作行為所產(chǎn)生的至少一類實(shí)時業(yè)務(wù)數(shù)據(jù)；利用資源預(yù)測模型對實(shí)時業(yè)務(wù)數(shù)...

本申請公開了一種醫(yī)療大模型的推理與部署方法、裝置、設(shè)備及介質(zhì)，涉及人工智能領(lǐng)域，應(yīng)用于推理節(jié)點(diǎn)，包括：基于待部署醫(yī)療大模型的輸入模態(tài)、輸出模態(tài)以及模型元數(shù)據(jù)構(gòu)建模型結(jié)構(gòu)化數(shù)據(jù)表，并從預(yù)設(shè)推理框架庫中確定與大模型的模型類型相匹配的目標(biāo)推理...

本發(fā)明提供一種基于行業(yè)大模型的段落相似度判斷方法，屬于人工智能和自然語言處理領(lǐng)域，本發(fā)明通過利用行業(yè)特定數(shù)據(jù)進(jìn)行微調(diào)，使模型能夠更精準(zhǔn)地捕捉段落間的語義關(guān)系，提供更為精確的相似度評估。通過減少人工干預(yù)和潛在的人為錯誤，該系統(tǒng)不僅提升了工...

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體為一種基于多模態(tài)大模型的報紙復(fù)雜版式結(jié)構(gòu)化辨識方法及系統(tǒng)，包括以下步驟：報紙圖像預(yù)處理，多模態(tài)大模型的專項微調(diào)與排版元素提取，后處理與優(yōu)化；有益效果為：通過多步驟預(yù)處理優(yōu)化報紙圖像質(zhì)量，利用經(jīng)專項微調(diào)的多...

本發(fā)明涉及計算機(jī)技術(shù)領(lǐng)域，尤其是一種基于大模型的簡歷篩選方法、系統(tǒng)和設(shè)備，能夠高效準(zhǔn)確地提供適合職位要求的簡歷。基于大模型的簡歷篩選方法包括：提取關(guān)鍵字，包括姓名、電話號碼、電子郵箱、教育背景、專業(yè)技能、工作經(jīng)驗中的至少一種，將提取的關(guān)...

本發(fā)明涉及代碼開發(fā)技術(shù)領(lǐng)域，且本發(fā)明提供一種AI代碼有效占比統(tǒng)計方法及裝置、介質(zhì)、設(shè)備。該方法包括：獲取用戶提交代碼的相關(guān)信息；根據(jù)所述相關(guān)信息中的用戶名，查找對應(yīng)用戶采用代碼生成工具所生成的AI代碼的日志信息；在所述用戶提交代碼的文件...

本發(fā)明公開了一種基于大模型的精準(zhǔn)農(nóng)業(yè)管理與決策支持方法及系統(tǒng)，屬于大模型及智慧農(nóng)業(yè)技術(shù)領(lǐng)域，包括：整合衛(wèi)星遙感數(shù)據(jù)、物聯(lián)網(wǎng)傳感器數(shù)據(jù)、氣象數(shù)據(jù)以及歷史農(nóng)事記錄，進(jìn)行數(shù)據(jù)的清洗、格式統(tǒng)一和初步整合；對集成后的數(shù)據(jù)進(jìn)行進(jìn)一步處理，包括缺失值...

本發(fā)明涉及大模型技術(shù)領(lǐng)域，具體為一種基于大模型的對象存儲數(shù)據(jù)遷移方法及系統(tǒng)，包括：遷移準(zhǔn)備，智能決策，執(zhí)行，閉環(huán)優(yōu)化；有益效果為：采集存儲指標(biāo)、網(wǎng)絡(luò)狀態(tài)及數(shù)據(jù)特征等多維度信息，利用微調(diào)后的大語言模型進(jìn)行深度語義分析，生成最優(yōu)遷移路徑及參...

本發(fā)明涉及大語言模型技術(shù)領(lǐng)域，具體為一種基于動態(tài)推理干預(yù)的檢索增強(qiáng)生成抗噪聲方法及系統(tǒng)，包括：段落注入步驟和指令注入，在模型推理鏈中選擇具備自反思能力的節(jié)點(diǎn)作為插入點(diǎn)，在模型生成該節(jié)點(diǎn)標(biāo)簽后，基于預(yù)定義的插入規(guī)則觸發(fā)動態(tài)插入檢索段落及其...

本發(fā)明涉及大數(shù)據(jù)處理與數(shù)據(jù)集成技術(shù)領(lǐng)域，具體為一種基于Kettle的數(shù)據(jù)庫動態(tài)分表處理方法及系統(tǒng)，包括以下步驟：通過Kettle圖形化界面接收分表配置參數(shù)，分表配置參數(shù)包括分片鍵、分表算法和分表數(shù)量；加載分表規(guī)則元數(shù)據(jù)，構(gòu)建動態(tài)分表策略...

本發(fā)明涉及數(shù)據(jù)同步技術(shù)領(lǐng)域，具體為一種數(shù)據(jù)同步系統(tǒng)的任務(wù)管理的實(shí)現(xiàn)方法及系統(tǒng)，包括以下步驟：通過用戶接口層接收用戶以自然語言形式輸入的數(shù)據(jù)同步任務(wù)描述，利用LLM模型層解析用戶輸入的任務(wù)描述，理解用戶意圖，并生成相應(yīng)的函數(shù)調(diào)用指令，基于...

本發(fā)明涉及數(shù)據(jù)治理技術(shù)領(lǐng)域，具體為一種基于TCU?PN的敏感信息泄露風(fēng)險評估方法及系統(tǒng)，包括以下步驟：構(gòu)建敏感數(shù)據(jù)庫，數(shù)據(jù)增強(qiáng)，構(gòu)建訓(xùn)練數(shù)據(jù)集，模型架構(gòu)搭建，特征融合與風(fēng)險評估；有益效果為：通過構(gòu)建時間卷積網(wǎng)絡(luò)加指針網(wǎng)絡(luò)的多層深度學(xué)習(xí)模...

本發(fā)明提供一種一種網(wǎng)絡(luò)安全態(tài)勢感知預(yù)測方法及裝置、介質(zhì)、設(shè)備。該方法包括：采集網(wǎng)絡(luò)流量數(shù)據(jù)，并對所述網(wǎng)絡(luò)流量數(shù)據(jù)進(jìn)行預(yù)處理；對預(yù)處理后的網(wǎng)絡(luò)流量數(shù)據(jù)進(jìn)行特征提取，得到特征數(shù)據(jù)；根據(jù)每一個特征數(shù)據(jù)對當(dāng)前網(wǎng)絡(luò)安全態(tài)勢的影響程度，確定該特征數(shù)...