-
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：CN119829285A
公开(公告)日：2025-04-15
申请号：CN202411899717.4
申请日：2024-12-20
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书的实施例涉及用于确定模型训练的分片策略的方法和相关装置，模型可通过多种分片策略进行训练。该方法首先确定多个处理器在训练模型的过程中的运算时间，其中多个处理器可以根据分片策略进行划分，分片策略指示模型的数据在多个处理器中的划分方式。然后，基于分片策略，确定多个处理器在训练模型的过程中的通信时间。进一步，选择运算时间和通信时间中的较大者，并在该较大者满足时间条件时确定分片策略为多个分片策略中的目标分片策略。
-
公开(公告)号：CN117493661A
公开(公告)日：2024-02-02
申请号：CN202311299168.2
申请日：2023-10-08
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9535 , G06F18/2415 , G06F18/213 , G06Q30/0251 , G06Q50/12 , G06Q50/14
Abstract: 本说明书公开了一种事务推荐方法、装置、存储介质及设备，通过获取第一用户对应的用户数据以及待推荐事务，用户数据包括第一画像特征以及第一行为特征，然后根据用户数据中的第一画像特征确定与第一用户相关联的至少一个相似用户，并基于各相似用户分别对应的第二行为特征对第一行为特征进行特征重构，得到重构行为特征，最后基于重构行为特征和待推荐事务生成第一用户针对待推荐事务的转化率，并基于转化率推荐待推荐事务至第一用户。
-
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。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN111046394A
公开(公告)日：2020-04-21
申请号：CN201911289070.2
申请日：2019-12-12
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例公开了一种基于对抗样本增强模型抗攻击能力的方法和系统，所述方法包括：获取目标样本的集合；将所述集合中的每一所述目标样本输入目标模型，得到与所述目标样本对应的第一输出；在所述第一输出大于或等于输出阈值时，将所述目标模型的所述第一输出对应的标签作为所述目标样本的目标标签；利用所述目标样本的集合和所述目标样本对应的所述目标标签训练替代模型；将候选样本输入所述替代模型，得到对应于所述候选样本的第二输出，并基于该第二输出调整所述候选样本以得到对抗样本；基于该对抗样本，调整所述目标模型。其中，目标模型可以为用于对图片进行识别的神经网络模型，所述图片包括个人信息图片。
-
公开(公告)号：CN111027628A
公开(公告)日：2020-04-17
申请号：CN201911273135.4
申请日：2019-12-12
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例公开了一种模型确定方法。所述方法包括：获取源图像和目标图像，其中所述源图像属于第一图像类别，所述目标图像属于第二图像类别；确定补丁区域，所述补丁区域用于限定对抗补丁被用于所述源图像和所述目标图像中的位置和大小；基于所述源图像、所述目标图像和所述补丁区域，通过多轮迭代确定对抗补丁，其中所述对抗补丁被用于所述目标图像后得到的对抗样本能够被机器学习模型识别为属于所述第一图像类别；使用所述对抗样本对所述机器学习模型进行对抗训练，得到目标模型。
-
公开(公告)号：CN118860821A
公开(公告)日：2024-10-29
申请号：CN202410853179.9
申请日：2024-06-27
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F11/34 , G06F18/241 , G06F18/22
Abstract: 本申请一个或多个实施例提供一种模型性能评测方法和装置，所述方法包括：获取包含多个模型的模型集合，以及包含至少一条评测样本的样本集合；将样本集合中的评测样本依次确定为目标评测样本，并获取在针对模型集合进行归并排序的过程中产生的第一类模型对；将第一类模型对发布至标注方，以由标注方根据将目标评测样本分别输入第一类模型对中的两个模型得到的模型输出，对第一类模型对进行标注，得到用于指示第一类模型对中的两个模型在目标评测样本上的模型性能的比较结果的标注结果；获取第一类模型对在目标评测样本上的标注结果，并根据标注结果继续完成针对模型集合的归并排序，得到模型集合中的模型在目标评测样本上的模型性能的排序结果。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.044 seconds)
