-
公开(公告)号：CN117407714A
公开(公告)日：2024-01-16
申请号：CN202311370158.3
申请日：2023-10-20
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06F40/205
Abstract: 本说明书的实施例提供了一种用于训练用户行为表征模型的方法和装置。在该用于训练用户行为表征模型的方法中，针对当前训练样本集中的各个当前训练样本，将当前训练样本的、作为样本输入部分的预定期间内的用户历史行为序列提供给当前用户行为表征模型，得到对应的用户行为序列表征向量；再将所得到的用户行为序列表征向量提供给当前行为分布预测模型，得到对应的用户行为分布预测结果；再根据所得到的用户行为分布预测结果与对应的、作为标签部分的后续历史行为序列所指示的行为分布之间的差异，确定预测损失值；在不满足训练结束条件的情况下，根据所确定的预测损失值调整当前用户行为表征模型和当前行为分布预测模型的参数。
-
公开(公告)号：CN116596579A
公开(公告)日：2023-08-15
申请号：CN202310493639.7
申请日：2023-04-28
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/0202 , G06Q30/0601 , G06F18/2415 , G06F18/214
Abstract: 本说明书实施例公开了一种预测方法、交互事件预测模型的训练方法、装置和设备。所述预测方法包括：获取待预测的目标数据，所述目标数据包括用户数据和产品数据；通过交互事件预测模型中的领域模块，确定目标数据归属于多个预定领域的归属概率；通过交互事件预测模型中的预测模块，根据多个归属概率确定发生交互事件的第一概率，所述交互事件包括用户数据对应的用户与产品数据对应的产品所发生的交互事件。本说明书实施例可以提高交互事件预测的准确性。
-
公开(公告)号：CN111626925B
公开(公告)日：2020-12-01
申请号：CN202010724039.3
申请日：2020-07-24
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种对抗补丁生成方法及装置，在该方法中，首先准备攻击者的第一人脸图片和其上设置的初始对抗补丁，并标记初始对抗补丁在第一人脸图片上的设置区域，然后，获取不同背景的攻击者的人脸图片集，包括第一人脸图片和若干第二人脸图片；根据第一人脸图片到第二人脸图片的图片变换方式，矫正初始对抗补丁在第二人脸图片上的设置位置，然后利用叠加了初始对抗补丁的人脸图像集，对初始补丁进行迭代优化获取目标对抗补丁。本申请生成的目标对抗补丁，降低了对抗补丁与背景的相关性，增加对抗补丁与人脸信息特征的相关性，提升对抗补丁的鲁棒性。
-
公开(公告)号：CN111626925A
公开(公告)日：2020-09-04
申请号：CN202010724039.3
申请日：2020-07-24
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种对抗补丁生成方法及装置，在该方法中，首先准备攻击者的第一人脸图片和其上设置的初始对抗补丁，并标记初始对抗补丁在第一人脸图片上的设置区域，然后，获取不同背景的攻击者的人脸图片集，包括第一人脸图片和若干第二人脸图片；根据第一人脸图片到第二人脸图片的图片变换方式，矫正初始对抗补丁在第二人脸图片上的设置位置，然后利用叠加了初始对抗补丁的人脸图像集，对初始补丁进行迭代优化获取目标对抗补丁。本申请生成的目标对抗补丁，降低了对抗补丁与背景的相关性，增加对抗补丁与人脸信息特征的相关性，提升对抗补丁的鲁棒性。
-
公开(公告)号：CN120069082A
公开(公告)日：2025-05-30
申请号：CN202510222707.5
申请日：2025-02-26
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书一个或多个实施例提供一种大语言模型LLM的偏好对齐训练方法、电子设备及存储介质。所述训练方法包括：对待训练LLM进行多轮自迭代直接偏好优化DPO训练，并在停止条件被满足时停止训练；其中，对于正整数i，对第i‑1轮训练得到的i‑1级LLM进行第i轮训练，包括：从预设的问题库中随机选取样本问题，将所述样本问题输入所述i‑1级LLM以获取该模型生成的样本答案，并利用预设的评分模型对所述样本答案与人类偏好的对齐程度进行评分；根据所述样本答案的评分结果从所述样本问题中确定可用样本问题，并基于所述可用样本问题及其对应的可用样本答案构建训练数据；利用所述训练数据对所述i‑1级LLM进行训练以得到i级LLM。
-
Patent Agency Ranking
公开(公告)号：CN120069080A
公开(公告)日：2025-05-30
申请号：CN202510221434.2
申请日：2025-02-26
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供了一种用于微调大模型的训练数据的获取方法和装置，该方法包括：获取第一数学问题，将第一数学问题输入目标大模型，得到第一数学问题对应的第一解答，第一解答包括用于推导出问题答案的推理链、和第一答案；根据第一数学问题和推理链，生成用于确定第一数学问题的答案的第一可执行代码，执行第一可执行代码，得到第一数学问题对应的第二答案；确定第一答案和第二答案是否一致，若第一答案和第二答案一致，则将第一数学问题作为训练样本，推理链和第一答案作为训练样本对应的训练标签，用于微调目标大模型。
-
公开(公告)号：CN111274501B
公开(公告)日：2023-04-18
申请号：CN202010117833.1
申请日：2020-02-25
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9537 , G06N3/044 , G06N3/08
Abstract: 本说明书提供的推送信息的方法、系统和非暂时性存储介质，基于目标终端的当前需求，将所述目标终端的多个历史特征行为以及多个历史特征行为中的每个历史特征行为发生的时间距离当前时刻的时间差进行结合，构造出包含用户历史特征行为时序信息的特征向量，将所述特征向量输入预测模型中得到预测结果，基于所述预测结果向所述目标终端推送与当前需求相关的信息。
-
公开(公告)号：CN111340008B
公开(公告)日：2021-02-19
申请号：CN202010409744.4
申请日：2020-05-15
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书中的实施例公开了对抗补丁生成、检测模型训练、对抗补丁防御方法及系统。所述对抗补丁生成方法包括：检测对抗样本和目标人脸图像中的特征点，基于对抗样本各感兴趣区域的特征点集合和目标人脸图像各感兴趣区域的特征点集合，计算对抗样本与目标人脸在感兴趣区域上的区域相似度，调节对抗样本中的对抗补丁以至少增加所述区域相似度。相应地，可训练出能够检测人脸图像中是否包含按上述方法生成的对抗补丁的检测模型，以保证人脸识别结果的可靠性，例如可避免用户身份被冒充后用户财产和/或隐私的泄露。
-
公开(公告)号：CN111738217B
公开(公告)日：2020-11-13
申请号：CN202010725497.9
申请日：2020-07-24
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种生成人脸对抗补丁的方法和装置。在该方法中，首先获取初始对抗补丁，然后获取不包含攻击者人脸图像的人脸图像集。接着，分别利用人脸图像集中的各张人脸图像，对初始对抗补丁进行第一轮优化，得到第一对抗补丁；其中第一轮优化使得，叠加有补丁的各张人脸图像与目标人脸图像之间的相似度增加。接着，在第一对抗补丁的基础上，对补丁进行第二轮优化，使得叠加补丁的攻击者图像与目标人脸图像之间的相似度增加，且与攻击者自身图像之间的相似度降低。
-
公开(公告)号：CN111340008A
公开(公告)日：2020-06-26
申请号：CN202010409744.4
申请日：2020-05-15
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书中的实施例公开了对抗补丁生成、检测模型训练、对抗补丁防御方法及系统。所述对抗补丁生成方法包括：检测对抗样本和目标人脸图像中的特征点，基于对抗样本各感兴趣区域的特征点集合和目标人脸图像各感兴趣区域的特征点集合，计算对抗样本与目标人脸在感兴趣区域上的区域相似度，调节对抗样本中的对抗补丁以至少增加所述区域相似度。相应地，可训练出能够检测人脸图像中是否包含按上述方法生成的对抗补丁的检测模型，以保证人脸识别结果的可靠性，例如可避免用户身份被冒充后用户财产和/或隐私的泄露。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.025 seconds)
