公开(公告)号：CN119849656A

公开(公告)日：2025-04-18

申请号：CN202411362543.8

申请日：2024-09-27

Applicant: 华为云计算技术有限公司

Inventor： 邢林子 ,  王兴路 ,  范喆楠 ,  封雨希 ,  熊璟 ,  郭志江 ,  付小津 ,  瑞德拉尼瑞娜·拉马蒙吉森 ,  马赫迪·莫斯塔贾布达维赫 ,  韩雄威 ,  周子锐 ,  张勇

IPC: G06N20/00 ,  G06N3/092 ,  G06F40/20

Abstract: 本发明提供了一种对大型语言模型(large language model，LLM)生成线性规划应用题(linear programming word problem，LPWP)的准确假设模型(hypothesis model，HM)的能力进行评估的方法。该HM的属性二分图被变换为该LPWP的地面真值模型的属性二分图。变换所需的变换步骤的数量有效地衡量该LLM生成准确HM的能力。使用属性二分图为LPWP变量和约束提供了顺序不变性。本发明还提供了对应的装置和系统。

公开(公告)号：CN118541704A

公开(公告)日：2024-08-23

申请号：CN202380016962.3

申请日：2023-01-10

Applicant: 华为云计算技术有限公司

Inventor： 瑞德拉尼瑞娜·拉马蒙吉森 ,  阿明·巴尼塔莱比·德科迪 ,  维什努·戈库尔·伦根 ,  周子锐 ,  张勇

IPC: G06N7/08

Abstract: 本发明提供了一种计算机实现方法和系统，用于生成优化问题的自然语言文本描述的代数建模语言(algebraic modelling language，AML)公式。所述计算机实现方法包括：基于所述自然语言文本描述来生成所述优化问题的文本标记语言中间表示(intermediate representation，IR)，所述文本标记语言IR包括IR目标声明和第一IR约束声明，所述IR目标声明用于定义所述优化问题的目标，所述第一IR约束声明用于指示所述优化问题的第一约束。实现的计算机还包括：基于所述文本标记语言IR来生成所述优化问题的所述AML公式，所述AML公式包括AML目标声明和第一AML约束声明，所述AML目标声明用于定义所述优化问题的所述目标，所述第一AML约束声明用于指示所述优化问题的所述第一约束。这可以提高生成优化问题的AML格式的准确性。

公开(公告)号：CN116670687A

公开(公告)日：2023-08-29

申请号：CN202180075018.6

申请日：2021-11-16

Applicant: 华为云计算技术有限公司

Inventor： 瑞德拉尼瑞娜·拉马蒙吉森 ,  阿明·巴尼塔莱比·德科迪 ,  康馨予 ,  张勇

IPC: G06N3/045 ,  G06N3/09 ,  G06N3/0985 ,  G06V10/774 ,  G06V10/82 ,  G06F17/16

Abstract: 本发明提供了一种用于调整机器学习模型(例如，物体检测模型)以适应域偏移的方法和系统。所述方法包括：接收标记数据元素和目标图像样本，以及执行多个模型适应周期。每个适应周期包括：使用通过一组当前配置参数来配置的机器学习模型为所述目标图像样本分别预测所述目标图像样本中包括的相应目标数据物体的对应目标类别标签；生成多个标记混合数据元素，其中，每个标记混合数据元素包括：(i)混合图像样本，包括所述源图像样本中的源数据物体和所述目标图像样本中的目标数据物体，(ii)所述源数据物体的所述对应源类别标签和所述目标数据物体的所述对应目标类别标签。所述方法还包括：调整所述一组当前配置参数，以最小化所述机器学习模型对于所述多个混合数据元素的损失函数。所述方法产生了适配的机器学习模型，适应了域偏移并提高了对新目标图像样本的推理性能。