買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉西安交通大學申請的專利基于領域化大模型的開放試題評價方法及相關裝置獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產(chǎn)權局授予，授權公告號為：CN120106176B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權局官網(wǎng)在2025-08-29發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202510583018.7，技術領域涉及：G06N3/096；該發(fā)明授權基于領域化大模型的開放試題評價方法及相關裝置是由劉歡;郭宇揚;史磊;董怡翔;劉高文;萬宇哲設計研發(fā)完成，并于2025-05-07向國家知識產(chǎn)權局提交的專利申請。

本基于領域化大模型的開放試題評價方法及相關裝置在說明書摘要公布了：本發(fā)明屬于教育考試數(shù)據(jù)挖掘領域，提供基于領域化大模型的開放試題評價方法及相關裝置，所述方法包括：通過所屬學科語料數(shù)據(jù)獲取增量訓練數(shù)據(jù)集和指令微調集，并通過文本識別獲取考生作答集；基于增量訓練數(shù)據(jù)集和指令微調集，得到領域模型；構建考生觀點挖掘任務的提示模板，對得到的領域模型進行提示微調，得到微調后的領域模型，并進行調優(yōu)；抽取考生作答觀點，補充得到標準答案觀點集，得到最終的標準答案觀點集；基于最終的標準答案觀點集對考生作答進行賦分。本發(fā)明通過構建可重復應用的領域模型、借助大模型語義能力減少樣本需求，并結合創(chuàng)新觀點挖掘與專家反饋，在保護創(chuàng)新性的同時實現(xiàn)了更精準的評分。

本發(fā)明授權基于領域化大模型的開放試題評價方法及相關裝置在權利要求書中公布了：1.基于領域化大模型的開放試題評價方法，其特征在于，包括： 通過所屬學科語料數(shù)據(jù)獲取增量訓練數(shù)據(jù)集和指令微調集，并獲取考生作答集；基于增量訓練數(shù)據(jù)集和指令微調集，對預設基座大模型注入領域知識并對齊指令意圖，得到領域模型； 基于考生作答集，構建考生觀點挖掘任務的提示模板，基于考生觀點挖掘任務的提示模板對得到的領域模型進行提示微調，得到微調后的領域模型，并對微調后的領域模型進行調優(yōu)操作； 在調優(yōu)后的領域模型中抽取考生作答觀點，分類為標準答案觀點集和創(chuàng)新觀點集，并基于創(chuàng)新觀點集補充標準答案觀點集，得到最終的標準答案觀點集； 基于最終的標準答案觀點集對考生作答進行賦分； 所述通過所屬學科語料數(shù)據(jù)獲取增量訓練數(shù)據(jù)集和指令微調集，并獲取考生作答集，包括： 收集開放試題所屬學科的教材、書籍、論文、題庫作為語料，通過基于規(guī)則的數(shù)據(jù)過濾方法去除語料中的低質量數(shù)據(jù)，并進行文檔去重，獲得增量訓練數(shù)據(jù)集；通過題庫問答數(shù)據(jù)和基于學科文檔的大模型對話生成指令微調集，指令微調集包括單輪對話集和多輪對話集；所述獲取考生作答集為通過圖像分隔和光學字符識別獲取； 所述基于增量訓練數(shù)據(jù)集和指令微調集，對預設基座大模型注入領域知識并對齊指令意圖，得到領域模型，包括： 利用增量預訓練集，對基座大模型進行增量預訓練以注入領域知識，再利用指令微調數(shù)據(jù)集，對增量預訓練后的模型進行指令微調來對齊人類指令的意圖，得到面向學科的領域大模型； 所述基于考生作答集，構建考生觀點挖掘任務的提示模板，基于考生觀點挖掘任務的提示模板對得到的領域模型進行提示微調，得到微調后的領域模型，包括： 基于考生作答集定義提示模版格式，按照提示模板標注提示數(shù)據(jù)，使用參數(shù)高效微調包中的低秩適應高效參數(shù)微調領域模型，在樣本上進行訓練以適配觀點挖掘任務，訓練后的領域模型用于按照模板定義的格式輸出考生作答的觀點信息及其解釋。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或專利權人西安交通大學，其通訊地址為：710049 陜西省西安市碑林區(qū)咸寧西路28號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。