原始名称记载: 蚂蚁区块链科技（上海）有限公司

本说明书的实施例提供了一种空调系统的控制方法、控制设备及存储介质，所述方法包括采集所述空调系统相关的观测数据；以及基于所述空调系统所处的当前运行阶段，采用与所述当前运行阶段对应的目标控制范式对所述观测数据进行处理以生成控制指令，并基于所述控制指令对所述空调系统进行控制，其中，所述空调系统支持多种控制范式，不同运行阶段对应不同的控制范式，且在后运行阶段对应的控制范式相较于在前运行阶段对应的控制范式，在生成所述控制指令时依赖更大量或更长时间跨度的历史运行数据、以及更高精度的能量预测模型。

本说明实施例提供了一种模型训练方法、装置、电子设备、存储介质及程序产品。实施例提供的方案中，是在根据目标模态数据（为非文本模态数据）以及目标模态数据对应的文本描述信息生成多个第一问答对之后，从而再根据多个第一问答对所构建出的思维链数据来对第一多模态模型进行训练，以此得到用于幻觉检测的幻觉检测模型的。其中，一个第一问答对包括一个第一提问和与所述第一提问相对应的回答；一个第一提问是基于文本描述信息中的至少一个语义元素生成的，以及回答是通过对目标模态数据进行内容分析生成的。幻觉检测模型用于检测第二多模态模型在针对输入的非文本模态数据生成相应的文本描述信息时是否发生幻觉。

本说明书实施例提供一种文本去重方法、装置、设备、存储介质及程序产品。该方法中，获取待去重文本，该待去重文本包含术语；对待去重文本进行向量化，得到文本语义向量；获取基于术语的术语解释生成的术语语义向量；根据文本语义向量和术语语义向量，确定待去重文本在高维空间的高维语义向量；将高维语义向量降维至低维空间，得到第一低维语义向量；根据第一低维语义向量与待比较文本在低维空间的第二低维语义向量之间的语义相似度，确定待去重文本是否属于重复文本。

一种评分模型的预测性能评估方法及计算设备。在该评估方法中，将当前的第一时间周期内多个用户的用户数据输入评分模型，通过评分模型确定针对多个用户各自的评分，得到第一组评分，并且获取存储的第二时间周期内多个用户各自的评分，得到第二组评分。其中，时间周期是用户数据的更新周期，第二时间周期在第一时间周期之前，并且与第一时间周期间隔第一数量个时间周期。然后，计算第一组评分与第二组评分之间的第一相关系数，将第一相关系数与正常阈值范围进行比较，得到第一相关系数正常或异常的第一比较结果，基于第一比较结果确定针对评分模型的预测性能的评估结果。用户数据中包含隐私数据，在数据处理时需要进行隐私保护。

本说明书实施例提供一种租赁信息处理方法、设备、存储介质及程序产品。在本说明书实施例中，提供一种融合深度语义理解和服务流程化驱动的智能体，在租赁场景下，基于意图识别模型针对租赁需求信息进行语义理解，以识别用户意图信息，提升语义理解的深度和准确度，适应复杂场景；从多维度租赁知识信息中检索多维度参考信息，为后续内容生成提供基础，提升检索结果的相关性和精准度；智能体内置有租赁流程信息，在租赁流程信息的引导下，精准感知用户在特定流程中的意图，从基于多维度参考信息和用户意图信息调用内容生成模型智能生成租赁服务内容，提升输出租赁服务内容与租赁需求信息之间的匹配度，提升在复杂场景下的鲁棒性。

本说明书实施例公开了一种活体检测方法，该方法在针对用户采集的视频中，提取在不同采集条件下采集到的目标视频帧，并将各目标视频帧输入检测模型，通过检测模型，根据各目标视频帧之间的差异，对用户进行活体检测。上述方法通过在不同采集条件下采集到的目标视频帧之间的差异，对用户进行活体检测，可有效防御通过高清图像所进行的呈现攻击，而且只需要输入少量的几个目标视频帧即可进行活体检测，不需要输入整个视频，因此只需要采用轻量级的检测模型即可实现活体检测。

本说明书提供了一种意图识别及模型训练方法、设备、存储介质及程序产品。意图识别模型的训练方法包括：获取对话样本并填入预设提示模板，该模板包含带唯一标识的多个意图选项，唯一标识的数据长度与教师模型单次输出词元一致，提示词用于指示教师模型输出与对话样本相关的目标意图选项的唯一标识；将提示词输入教师模型，获得目标意图选项的唯一标识及对应的置信度；若置信度超过预设阈值，将目标意图选项的唯一标识作为对话样本的监督标签；将提示词输入学生模型，获得学生模型输出的预测唯一标识；以最小化预测唯一标识和监督标签之间的误差为优化目标，对学生模型进行训练，并将训练好的学生模型确定为意图识别模型。

本说明书实施例提供一种特征推荐方法、装置、设备、存储介质及程序产品。该方法中，获取用户输入的场景描述信息，场景描述信息用于描述用户所需构建的目标模型的应用场景；根据场景描述信息、多个候选特征的描述信息以及历史反馈信息，利用特征筛选智能体从多个候选特征中筛选适用于构建目标模型的推荐特征；其中，历史反馈信息是基于历史上针对历史应用场景的模型构建结果确定的；向用户提供所述推荐特征。

本说明书实施例提供一种针对生成式模型的安全评测方法、装置、设备及存储介质。可在输入阶段，对输入至目标模型的任一提示集包含的多条提示语句进行差异性评估，以拦截不符合预设的差异性要求的提示集。在生成阶段中，可将符合差异性要求的提示集输入至目标模型。在输出阶段，可确定目标提示集对应的目标风险主题，并可对目标风险主题和生成式模型基于目标提示集所输出的生成结果进行关联性评估，以检出不符合预设关联性要求的生成结果。还可对生成结果进行质量评估，以检出不符合预设质量要求的生成结果。

本说明书实施例提供一种风险识别模型的训练和风险识别方法、设备、存储介质及程序产品。在本说明书实施例中，无需人工标注，而是基于安全规则信息，通过推理模型识别样本数据对应的样本风险结果，以及合成遵循安全规则信息的样本思维链；基于样本数据、样本思维链以及风险识别结果，对风险识别模型进行思维链合成及风险识别的多任务训练，得到具备思维链合成能力的目标风险识别模型，由于学习到的思维链合成能力遵循安全规则信息，使得该目标风险识别模型在进行风险识别时也遵循安全规则信息，无需针对样本数据进行人工标注，也不会引入不符合安全规则信息的样本，提升该模型进行风险识别的准确率。