原始名称记载: 中国电信股份有限公司技术创新中心; 中国电信股份有限公司

本申请涉及一种代码管理方法、系统、装置、设备、存储介质和程序产品。所述方法应用于分布式共识组件，包括：若接收到服务器发送的针对第一代码仓库的元数据查询指令，则利用所述分布式共识组件中共识节点的索引数据库和内容路由表，向所述服务器发送所述第一代码仓库在对象存储服务中的存储位置信息；所述存储位置信息用于指示所述服务器向所述对象存储服务发送仓库数据获取指令；所述仓库数据获取指令用于指示所述对象存储服务根据所述存储位置信息，向所述服务器发送所述第一代码仓库的代码仓库内容。本申请能够提高代码仓库管理效率。

本申请涉及一种样式渲染方法、装置、计算机设备、可读存储介质和程序产品。所述方法包括：若监测到DOM树中正在新增节点，确定新增节点对应的新增组件；获取新增样式的第一选择器和第一优先级信息、以及前端项目中已存在样式的第二选择器和第二优先级信息；在第一选择器匹配的第一节点范围与第二选择器匹配的第二节点范围之间存在交集节点、且已存在样式与新增样式相同的情况下，基于第一优先级信息获取第一选择器的第一匹配权重值，并基于第二优先级信息获取第二选择器的第二匹配权重值；基于第一匹配权重值与第二匹配权重值，对第一选择器进行修改，并渲染第一选择器修改后的新增样式。本申请提供的方法，能够实现对新增样式的修改。

本公开是关于一种任务处理方法及装置、电子设备与计算机程序产品，涉及分布式计算技术领域。该方法包括：确定多个异构工作节点对应的节点状态指标，节点状态指标包括异构工作节点的动态微观指标与静态性能指标；获取待处理任务，确定待处理任务对应的任务特征向量；基于任务特征向量与节点状态指标，确定待处理任务与各异构工作节点对应的节点匹配分值；根据节点匹配分值确定与待处理任务对应的目标工作节点，目标工作节点用于执行待处理任务。本公开通过精确的硬件状态感知与任务需求量化，提升了异构集群资源利用效率，并通过智能匹配机制最大化任务执行的稳定性和高效性。

本公开提供了一种异构资源动态调度方法、系统、电子设备及程序产品，涉及计算机技术领域。该方法包括：在边缘计算节点上部署容器编排平台集群，并配置容器运行时；将多个关键服务任务封装为容器实例并提交至容器编排平台集群；将每个边缘计算节点的中央处理器资源划分为固定分配部分和弹性分配部分；针对容器实例中具有执行依赖关系的任务组，采用协同调度策略；实时监测各边缘计算节点的资源使用状态，当资源使用状态接近预设临界阈值时，基于业务负载与服务质量指标计算优先级评分，并依据优先级评分动态调整容器实例的调度优先级及扩缩容策略。根据本公开实施例，能够提升计算效率和资源利用率。

本申请涉及一种人机交互方法、装置、计算机设备、存储介质和程序产品。所述方法包括：获取用户输入的交互内容；通过大语言模型对交互内容进行场景识别，确定本次交互的场景标签；从针对用户预设的多个长期记忆分区中，确定出场景标签对应的目标长期记忆分区；将目标长期记忆分区中的目标长期记忆内容以及针对用户预设的短期记忆区域中存储的短期记忆内容输入智能体；智能体用于根据目标长期记忆内容和短期记忆内容，生成针对交互内容的回复内容。采用本方法能够实现不同场景记忆的有效关联与协同调用，满足用户在多场景切换中对连贯交互的动态需求。

本申请涉及一种自动问答方法、装置、计算机设备和计算机可读存储介质。所述方法包括：获取输入的问题文本；确定所述问题文本的候选回答；根据所述问题文本的问题类型和预先设置的上下文长度，确定所述候选回答的决策阈值；根据所述决策阈值，从所述候选回答中确定所述问题文本的目标回答。采用本方法能够动态调整决策阈值，进而调整从候选回答中进行召回的数量，使输入大模型进行推理的候选回答与问题相关性更强，提高大模型智能回答的准确度。

本申请涉及一种检索增强生成方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，应用于对等网络中的第一边缘设备节点，方法包括：获取向在第一边缘设备节点上部署的目标语言模型输入的查询内容；响应于预存储的知识内容调用外部知识内容的触发条件，在对等网络中发起分布式搜索，使对等网络中第二边缘设备节点在自身部署的知识库中检索与查询内容关联的知识内容；接收第二边缘设备节点返回的目标知识内容；目标知识内容包括第二边缘设备节点通过隐私过滤规则对检索到的与查询内容相匹配的知识内容进行过滤后得到的知识内容；根据目标知识内容指示目标语言模型输出用于响应查询内容的响应内容。采用本方法能够提高数据隐私性。

本申请实施例提供了一种流式数据动态采样方法、装置、设备及介质，用以解决现有技术中无法及时进行异常处理、采样策略调整，造成处理延迟的问题。该方法获取前两个数据的时间戳；判断前两个数据的时间戳差值是否大于预设时间间隔，若是，停止本轮采样，并在下一轮采用全量采样策略；若否，确定本轮的目标采样策略，在本轮中进行数据采样，根据采样的各数据、及在该数据之前连续采样的设定数量的数据，判断对应的采样时间间隔是否满足预设熔断条件，若是，停止本轮采样，并在下一轮采用预设采样策略；若否，判断本轮采样数量是否达到预设数量，若是，本轮采样结束，若否，继续接收下一数据，能够及时处理时序异常、调整采样策略，避免处理延迟。

本公开提供了一种数字界面的无障碍内容生成和渲染方法、设备及程序产品，涉及计算机技术领域。该方法包括：响应障碍模式切换指令，加载与目标障碍类型对应的无障碍样式配置；解析已获取的前端模板数据，生成抽象语法树，并结合前端模板数据中的动态渲染逻辑及上下文数据，为界面元素注入符合无障碍规范的角色属性和状态描述属性；将注入角色属性和状态描述属性的界面结构与无障碍样式配置整合，生成无障碍界面内容并进行渲染；在无障碍界面内容渲染完成后，响应后续的障碍模式切换指令，通过预设的自定义渲染指令向目标界面元素动态添加局部无障碍样式，以更新界面显示。根据本公开实施例，能够实现符合无障碍标准的界面适配。

本申请公开了一种恶意数据合成方法、装置及设备，该方法包括：针对目标大模型的每层，分别确定衡量正常请求样本对应的层输出表征间相似性的类内相似度，和衡量正常请求样本与恶意请求样本对应的层输出表征间相似性的类间相似度；基于类内相似度与类间相似度的差异随层深度的变化趋势，确定对齐行为发生的目标层区域；利用针对目标层区域生成的多个候选扰动信息调整目标大模型中的对应层参数，得到多个候选大模型，并从多个候选大模型中，筛选出可高效合成恶意数据的目标对齐抑制模型。本申请无需重训模型，通过定位对齐区域实现对模型对齐机制的定向抑制，从而利用被抑制的模型高效地生成高质量恶意数据。

本公开提供了一种模型记忆处理方法、模型记忆处理装置、电子设备及计算机可读存储介质，属于人工智能技术领域。该方法包括：接收终端设备发送的模型服务调用请求；所述模型服务调用请求包括所请求的目标模型服务和用户请求内容；根据所述终端设备的设备权限和所述目标模型服务的模型权限，确定记忆访问权限；根据所述记忆访问权限，从与用户关联的记忆服务中查找与所述用户请求内容相关的历史记忆信息；将所述用户请求内容与所述历史记忆信息组合，并发送至所述目标模型服务以获取模型响应数据，并根据所述用户请求内容和所述模型响应数据，更新记忆服务中存储的记忆信息。本公开可以对模型记忆进行准确、合理的管理。

本申请涉及一种代码漏洞检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。所述方法包括：获取待检测代码；通过漏洞检测工具、预训练漏洞检测模型和后训练漏洞检测模型，对所述待检测代码进行多重校验，得到多重校验结果；所述后训练漏洞检测模型基于所述预训练漏洞检测模型训练得到；基于所述多重校验结果，得到所述待检测代码的目标漏洞检测结果。采用本方法，能够提高代码漏洞检测准确率。

本申请涉及一种内容合规性测试方法、装置、设备、存储介质和程序产品。所述方法包括：获取负面种子语料；根据预设条件构建目标数学公式，目标数学公式的计算结果满足预设条件；根据预设变量和预设条件，采用大模型生成目标代码；目标代码用于在预设变量满足预设条件的情况下，输出第一预设文本；将目标代码中的第一预设文本更新为负面种子语料，根据目标数学公式、更新后的目标代码和第一预设提示词构建攻击样本；根据攻击样本对待测模型进行内容合规性测试，得到内容合规性测试结果。采用本方法能够构建多样化攻击样本以模拟对待测模型的复杂攻击，为提升待测模型的安全防御提供丰富且具有针对性的攻击样本。

本公开提供一种文本分割方法及相关设备。该方法包括：获取待处理文本；将待处理文本分割为有序语句序列，得到待处理文本的初始语句集合；其中，有序语句序列包括多个语句；分别计算待处理文本的初始语句集合中待决策语句加入第一目标文本块时，所述第一目标文本块的语义变化量、困惑度变化量以及信息熵变化量，其中，第一目标文本块为符合合并条件的多个语句的集合；基于语义变化量、困惑度变化量以及信息熵变化量确定待决策语句与第一目标文本块的协同度；基于待决策语句与第一目标文本块的协同度对待处理文本进行分块，得到待处理文本的目标分块文本。本公开可以提高文本分割质量。

本申请涉及一种智能体测评方法、装置、计算机设备、可读存储介质和程序产品。所述方法包括：根据历史数据库获取用户行为序列，并根据测评目标获取场景融合特征，基于用户行为序列和场景融合特征获取动态测评数据，将动态测评数据输入至待测评智能体，获得待测评智能体执行目标任务的执行轨迹数据，基于动态测评数据和执行轨迹数据，获取待测评智能体的综合评分，并根据综合评分调整测评目标，根据调整后的测评目标重新获取动态测评数据，返回将动态测评数据输入至待测评智能体，获得待测评智能体执行目标任务的执行轨迹数据的步骤，并继续执行，直至满足测评停止条件。采用本方法能够提高测评准确性。

本申请涉及一种智能体的评估方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。方法包括：基于目标用户的当前输入内容、当前输入内容所涉及的目标场景对应的需求标签体系，通过需求识别模型，确定目标用户的需求描述信息，需求描述信息包括关于目标用户的目标需求标签和用于量化目标需求标签的量化指标；基于当前输入内容、需求描述信息，随机生成目标场景的场景变量，基于场景变量对当前输入内容进行更新，得到更新输入内容，更新输入内容所涉及的场景为对目标场景添加场景变量得到的场景；基于更新输入内容，通过智能体进行处理，得到处理结果，基于处理结果，对智能体进行评估，得到评估结果，提高智能体评估的准确性。

本申请涉及一种算力任务执行方法、装置、计算机设备、可读存储介质和程序产品。所述方法包括：获取目标算力任务的任务描述数据和任务需求数据，并获取初始算力集群的可用算力资源；将任务描述数据输入至长短期记忆‑Transformer模型中，输出目标算力任务的算力资源需求数据、预测执行时长范围和电力资源的预测消耗量；基于任务描述数据、任务需求数据、算力资源需求数据、预测执行时长范围、电力资源的预测消耗量和可用算力资源，从多个初始算力集群中确定至少一个中间算力集群；从中间算力集群中筛选出一个目标算力集群。本申请提供的方法，既能够最大限度的避免算力资源和电力资源的浪费，又能够尽可能的节省成本，并减少碳排放。

本公开是关于一种基于语义理解的网络规划方法及装置、存储介质、设备，涉及自然语言处理技术领域，该方法包括：接收与待规划网络对应的待查询问题句子以及网络上下文信息，并根据待查询问题句子生成文本语义表示；根据网络上下文信息生成上下文特征表示，并根据与待规划网络对应的网络规划领域知识生成领域知识表示；对文本语义表示、上下文特征表示和领域知识表示进行融合得到整体语义特征向量，并对整体语义特征向量进行逻辑维度的推理得到第一推理结果；对整体语义特征向量进行语义维度的推理得到第二推理结果，并根据第一推理结果以及第二推理结果确定与待规划网络对应的目标网络规划结果。本公开提高了网络规划结果的准确率。

本申请涉及一种多模态数据融合方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。所述方法包括：对来自至少两种模态的图像输入数据分别进行特征提取，得到每种模态的图像特征向量；基于每种模态的图像特征向量，生成对应每种模态的狄利克雷分布参数，并评估模态间的分布差异，所述狄利克雷分布参数用于表示分类或聚类任务中各类别的证据强度；根据所述分布差异，将每种模态的狄利克雷分布参数进行融合，得到融合后的基本概率分配结果；利用卡尔曼滤波器对所述基本概率分配结果进行动态调整，输出最终的分类或聚类结果。采用本方法能够动态调整各模态数据的融合权重，提升多模态融合系统的准确性和可靠性。

本公开提供了一种场景检测方法、装置、设备、存储介质和程序产品，涉及图像处理技术领域。其中，视联网的场景检测方法包括：将提示模板输入文本编码器，输出初始文本向量集合；对初始文本向量集合进行适于高斯分布采样的格式转换，得到文本嵌入向量集合；将待识别场景的场景图像输入图像编码器，输出图像特征向量；基于概率分布将图像特征向量作用于文本嵌入向量集合，生成场景特征向量集合，场景特征向量集合包括多个场景特征向量；基于图像特征向量和场景特征向量之间的相似度，确定待识别场景所属的场景类别。通过本公开的技术方案，有利于解决视联网中百万级摄像头的点位治理问题。