原始名称记载: 中国人民大学

本公开提供一种基于大模型的金融研报生成方法。包括、数据收集、数据分析、报告撰写三个模块；所述数据收集模块用于接收预定义的数据收集任务和自主生成的数据收集任务，之后将任务输入深度搜索智能体，并将搜索结果构建结构化多模态记忆进行存储；所述数据分析模块构建数据分析智能体，通过大型语言模型与视觉语言模型配合的行动者‑评论者迭代方式，配合金融计算工具、图表生成工具、引用添加工具，实现结构化多模态小报告的生成；所述报告撰写模块构建报告撰写智能体得到章节初稿后输入后处理智能体，得到最终报告。以解决现有现有深度研究系统和金融领域大语言模型智能体缺乏金融领域知识、有限的多模态能力和生成研报深度和全面性有限等问题。

本公开提供一种多语言法律检索系统。包含三个模块：输入理解模块、子查询执行模块以及联网搜索模块；所述输入理解模块接收用户输入问题，使用大语言模型理解用户输入的具体问题，最终将用户查询分解为子查询‑国家数据对形成个子查询列表；所述子查询执行模块接收所述输入理解模块的查询列表，构建多语言法律领域检索系统，通过Elasticsearch的查询功能实现向量检索与BM25的融合，在法条数据中针对国家和问题提供相关子法条集合；所述联网搜索模块在对用户查询进行理解后调用搜索接口，通过互联网搜索引擎搜索互联网上相关信息以实现知识扩展与信息补全；最终将相关子法条集合和互联网上相关信息共同输出为搜索结果。以提升专精于法律检索的检索精度。

本公开提供一种面向大模型的混合模态文档检索方法。在接收到混合模态查询时，从语料库中检索到相关文档集合，并将这些文档与查询一同输入生成模型，从而得到输出结果，即，其中，为提示词，为检索器，为生成模型；其中，给定一个由大量混合模态文档组成的语料库，将混合模态内容定义为由文本与图像交错组成的有序序列：其中，表示文本片段，表示图像；该定义既适用于查询，也适用于文档；检索器的目标是在语料库中找到与查询最相关的前个文档。从而实现对多模态信息的统一建模和高效利用，提升生成模型在真实应用中的问答与内容生成质量。

本发明提出了基于专利文本相似度的专利质量测算方法及系统，属于专利质量测算技术领域，包括：计算待测专利中每个词汇的词频‑反向逆文档频率；基于词频‑反向逆文档频率构造专利文本词汇高维矩阵，所述矩阵的第p行向量代表专利的词向量，其长度为所有专利文本词汇并集的长度，对于该专利中存在的词汇，对应向量元素取值为词频‑反向逆文档频率，而对于该专利中不存在的词汇，其取值为零；利用词汇向量的模对词汇向量标准化，任意两个专利对之间的相似度为两者的余弦相似度，取值越大代表两个专利相似度越高；基于相似度定义专利的平均逆向相似度指标及专利的平均前向相似度指标；基于专利的平均逆向相似度定义不同技术领域相对所有技术领域的相对文本相似度系数；前向相似度指标与专利的逆向相似度指标之比与相似度系数的乘积为专利质量。

本申请涉及大型语言模型推理优化技术领域，公开了一种基于学习的大模型推理查找表构造方法，包括以下步骤：步骤1：获取大型语言模型的原始权重矩阵与校准输入数据，对查找表的量化值进行初始化；查找表为用于存储两个量化值预计算乘积结果的二维数组。通过基于学习的非均匀量化方式确定查找表初始量化值，结合直通梯度估计器实现梯度传递，聚合权重梯度优化量化值；同时将一元函数融合到查找表消除中间量化损失，针对softmax函数设计专用查找表并通过数学变换调整输入值，使量化模型输出与原始模型输出的偏差显著缩小，使量化模型输出与原始模型输出的均方误差损失值显著缩小，满足大语言模型对推理精度的严苛需求。

本公开提供一种长程视觉问答与多模态推理任务智能体构建方法。对于输入图像与自然语言问题，通过外部工具集合的有序调用，生成答案；智能体的构建过程分为三阶段：全局规划阶段，通过全局规划导航器通过分析用户需求，并筛选出工具子集；工具自主执行阶段，通过工具自主执行器围绕三类工具在多步过程中补充视觉细节、检索背景知识与进行精确运算，并把返回工具结果以辅助下一步的决策；响应合成阶段，通过模型响应合成器梳理推理过程，并整理程用户友好的、格式清晰的响应；最终由模型响应合成模块从推理轨迹中提炼得到答案输出。以解决现有多模态大语言模型在复杂任务推理中普遍存在的全局规划不足与视觉上下文遗忘问题。

本公开提供一种基于在线数据流核学习的商品推荐方法。包括五个步骤：步骤1:输入给定的预算大小，计算其矩阵略图；步骤2：对数据流中后续到来的每个向量更新相应的测试窗口的矩阵略图；步骤3：对数据流中后续到来的每个向量,基于测试窗口的所述矩阵略图更新相应的核特征映射；步骤4：基于测试窗口的核矩阵略图和核特征映射，更新模型参数，预测用户对特定商品的点击率，按照点击率排序向用户推荐商品；步骤5：通过步骤2继续处理数据流中新的输入。以实现在推荐精度和个性化程度上得到提升，并在实时性、计算资源消耗以及系统运行稳定性方面展现出明显优势，从而提高推荐系统的整体性能和用户体验。

本发明公开一种基于等变图神经网络的物理系统轨迹预测方法及系统，涉及轨迹预测技术领域。所述方法包括：根据给定时刻的目标状态构建真实流体粒子节点对应的虚拟节点，并根据所述虚拟节点构建基于等变图神经网络的轨迹预测模型；所述目标状态包括目标流体粒子在给定时刻的特征及坐标；基于所述轨迹预测模型，先更新真实流体粒子节点的状态数据，再根据更新后的状态数据更新虚拟节点的状态数据。本发明能够提高物理系统轨迹的预测准确性。

本发明公开一种针对混合分子系统性质预测的方法及系统，涉及材料性能预测技术领域。所述方法包括：获取目标混合分子体系的相关数据；所述相关数据包括物质配方数据和分子几何图数据；所述分子几何图数据由基于环境条件信息和微观分子构象的图结构建模组成，包括节点、节点特征以及连接两节点之间的连边及权重；构建材料性质预测模型；所述材料性质预测模型包括局部坐标构建模块、等变图神经网络编码器、几何交互网络和自注意力聚合模块；将所述相关数据输入所述材料性质预测模型中进行处理，得到目标性质；所述目标性质为与混合分子系统性能相关的物理化学性质。本发明能够提高在混合分子系统中材料性能预测的准确性。

本发明提供一种用于精神疾病共病的健康管理方法，包括：获取与精神疾病相关的多源健康数据；基于所述多源健康数据，提取疾病之间的第一关联关系，构建以疾病为第一节点，以第一关联关系为第一连接边的一模网络，以及提取疾病与影响因素之间的第二关联关系，构建以疾病及影响因素为第二节点，以第二关联关系为第二连接边的二模网络；基于一模网络与所述二模网络，通过社区发现算法确定出精神疾病共病的典型共病模式典型共病模式包括至少一个精神疾病；基于典型共病模式，结合动态负担量化模型以及现实情景建模，生成典型共病模式对应的健康管理策略。本发明解决了现有精神障碍共病管理中，在管理策略落地方面存在实施难度大的问题。