-
公开(公告)号：CN117390598A
公开(公告)日：2024-01-12
申请号：CN202311399658.X
申请日：2023-10-25
Applicant: 鹏城实验室
Abstract: 本发明公开了一种模型溯源方法、装置、设备及存储介质。该方法包括：获取源模型对应的训练数据；根据所述训练数据确定所述源模型对应的源模型DNA以及目标模型对应的目标模型DNA；基于所述源模型DNA和所述目标模型DNA确定组合DNA；将所述组合DNA输入至预设判别器模型，根据所述预设判别器模型输出的判别结果确定模型溯源结果。由于本发明是通过源模型对应的源模型DNA以及目标模型对应的目标模型DNA确定组合DNA，将组合DNA输入至预设判别器模型，得到模型溯源结果。本发明首次引入了机器学习模型DNA的概念。可以实现对模型的追溯，以追踪模型的来源。这有助于确保模型的可信度和安全性。
-
公开(公告)号：CN118839705B
公开(公告)日：2025-01-07
申请号：CN202411312372.8
申请日：2024-09-20
Applicant: 鹏城实验室
Abstract: 本申请实施例提供了一种文本翻译方法、装置、计算机设备及可读存储介质。方法包括：获取待翻译文本并将其输入至目标翻译模型中，得到多个候选翻译结果；通过大语言模型确定目标翻译结果；目标翻译模型由预设翻译模型基于目标损失的最小化进行翻译性能学习得到；目标损失由第一损失和第二损失构成，第一损失由预设翻译模型和大语言模型的输出差异确定；第二损失基于第一预测翻译标签和样本翻译标签之间的差异确定；翻译性能学习包括基于第一损失最小化实现的对模拟大语言模型翻译输出的表征学习、以及基于第二损失最小化实现的对第一预测翻译标签和样本翻译标签之间的翻译差异最小化学习。以此，能够提高文本翻译的准确性和流畅性。
-
公开(公告)号：CN116362265A
公开(公告)日：2023-06-30
申请号：CN202310595862.2
申请日：2023-05-25
Applicant: 鹏城实验室
IPC: G06F40/58 , G06F40/42 , G06F40/126 , G06F40/226 , G06F40/166
Abstract: 本发明实施例提供文本翻译方法、装置、设备和存储介质，涉及人工智能技术领域。该方法包括：通过对源语言句子进行编码，得到第一隐藏层向量；然后根据第一隐藏层向量执行迭代翻译过程，在迭代翻译过程中对预测序列的错误进行定位，将错误词语进行掩码后重新预测，直至满足迭代结束条件，将预测序列作为源语言句子的目标语言翻译句子。本申请实施例针对非自回归文本翻译，利用迭代式解码机制提升翻译性能，不同于一次性生成翻译结果的方式，并且其通过迭代翻译过程多次微调中间翻译结果的预测序列，准确判断生成的预测序列中词语的正确性，对其进行错误进行定位，根据定位结果替换需要修改的预测词，能够提升推理速度以及翻译结果。
-
公开(公告)号：CN116341652A
公开(公告)日：2023-06-27
申请号：CN202310133976.5
申请日：2023-02-08
Applicant: 鹏城实验室
Abstract: 本发明针对使用跨地域算力中心算力进行深度模型训练的场景需求，设计了一种面向云际环境的深度模型训练方法，采用按照网络层次拆分模型参数到不同算力中心、跨域算力节点间采用压缩通信、算力中心内和算力中心间采用混合并行等策略，实现利用跨域算力协同完成深度模型训练。本发明可以使大模型训练不再受单算力中心算力资源的限制，能够高效利用跨域算力中心的算力，在低带宽环境下利用跨域算力协同完成大规模模型的训练任务。
-
公开(公告)号：CN115952809A
公开(公告)日：2023-04-11
申请号：CN202211709287.6
申请日：2022-12-29
Applicant: 鹏城实验室
IPC: G06F40/58 , G06F40/242 , G06N3/08 , G06F16/36 , G06F40/216 , G06F40/289 , G06F18/22 , G06N3/04
Abstract: 本发明公开了一种基于图网络的多语言翻译的词表初始化方法及装置，包括：根据每种语言对应的双语词典、词语及词元的分解构成关系，构建每种语言与核心语言之间的词表映射异质图；根据异质图神经网络和对比学习算法，在词表映射异质图上学习不同语言词表与核心语言词表之间的词元映射关系；将多语言机器翻译任务中的核心语言词表的词元利用核心语言BERT模型的词表进行初始化，并根据词元映射关系将其他语言映射到核心语言BERT模型的词表空间，完成多语言机器翻译任务中所有词元的初始化。本发明利用构建词元异质图的方式来完成不同语言词元的映射来初始化词元，提高了多语言机器翻译模型的翻译准确率，同时也加快了模型收敛速度。
-
Patent Agency Ranking
公开(公告)号：CN119724166A
公开(公告)日：2025-03-28
申请号：CN202510222184.4
申请日：2025-02-27
Applicant: 鹏城实验室
IPC: G10L15/06
Abstract: 本申请实施例提供了一种模型训练方法、语音识别方法、设备及存储介质，属于语音数据处理技术领域；方法包括获取原始多媒体样本数据；根据预设的通用参数配置文件，获取与原始多媒体样本数据对应的格式脚本；根据格式脚本对原始多媒体样本数据进行格式归一化处理，得到原始样本语音数据；通过通用参数配置文件调用多个功能模块，使多个功能模块基于原始样本语音数据对初始的语音识别模型进行训练，得到目标语音识别模型。本申请实施例能进一步缩短语音识别模型的开发周期，从而缩短语音识别模型的部署时长。
-
公开(公告)号：CN118839705A
公开(公告)日：2024-10-25
申请号：CN202411312372.8
申请日：2024-09-20
Applicant: 鹏城实验室
Abstract: 本申请实施例提供了一种文本翻译方法、装置、计算机设备及可读存储介质。方法包括：获取待翻译文本并将其输入至目标翻译模型中，得到多个候选翻译结果；通过大语言模型确定目标翻译结果；目标翻译模型由预设翻译模型基于目标损失的最小化进行翻译性能学习得到；目标损失由第一损失和第二损失构成，第一损失由预设翻译模型和大语言模型的输出差异确定；第二损失基于第一预测翻译标签和样本翻译标签之间的差异确定；翻译性能学习包括基于第一损失最小化实现的对模拟大语言模型翻译输出的表征学习、以及基于第二损失最小化实现的对第一预测翻译标签和样本翻译标签之间的翻译差异最小化学习。以此，能够提高文本翻译的准确性和流畅性。
-
公开(公告)号：CN119398063A
公开(公告)日：2025-02-07
申请号：CN202411414815.4
申请日：2024-10-11
Applicant: 鹏城实验室
IPC: G06F40/58 , G06F40/51 , G06F40/205
Abstract: 本申请实施例提供了一种文本翻译方法、装置、电子设备以及存储介质，属于机器翻译技术领域。该方法包括：获取源语言下的原始文本；对原始文本进行初步翻译，得到目标语言下的初始翻译文本，并基于原始文本和初始翻译文本确定原始文本中的难点词语，以及难点词语在初始翻译文本中的初始单词译文；单独对原始文本中的难点词语进行单词解释，得到目标语言下的难点单词翻译文本；基于难点单词翻译文本对初始单词译文进行修正，得到修正后的目标单词译文，并基于目标单词译文更新初始翻译文本，得到原始文本在目标语言下的目标文本。本申请能够提高文本翻译结果的准确性。
-
公开(公告)号：CN119204031A
公开(公告)日：2024-12-27
申请号：CN202411097546.3
申请日：2024-08-09
Applicant: 鹏城实验室
Abstract: 本申请实施例提供了一种翻译文本质量评估方法、装置、计算机设备及存储介质。方法包括：获取待评估译文的翻译源文和参考译文，并基于翻译源文对参考译文进行质量评估，得到参考译文的参考质量；通过翻译源文对待评估译文进行质量打分，得到第一质量分数；通过参考译文对待评估译文进行质量打分，得到第二质量分数；根据参考译文的参考质量，对第一质量分数进行权重的调整，得到第一目标质量分数，并对第二质量分数进行权重的调整，得到第二目标质量分数；其中，第一质量分数的权重随着参考质量的增加而减少；基于第一目标质量分数和第二目标质量分数，得到待评估译文的质量评估结果。以此，能够有效提高对翻译文本进行质量评估的准确性。
-
公开(公告)号：CN118820077A
公开(公告)日：2024-10-22
申请号：CN202410793744.7
申请日：2024-06-19
Applicant: 鹏城实验室
Abstract: 本申请公开了模型的在线评测方法、系统、电子设备及介质，方法包括：接收模型评测请求以及模型评测资源，并创建调试任务；根据模型评测资源确定与调试任务对应的目标资源，并根据目标资源确定目标镜像、目标代码以及目标模型；通过目标镜像创建与调试任务对应的调试容器，并在调试容器中挂载目标代码和目标模型，对目标代码进行检测；当完成调试任务且对目标代码的检测通过时，根据目标资源创建推理任务；通过目标镜像创建与推理任务对应的推理容器，并在推理容器中对获取到的评测数据集进行预测，生成推理结果；对推理结果进行在线评测，得到评测结果。在本发明实施例中，无需用户再次上传资源，避免资源重复上传，提高评测效率。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.019 seconds)
