北京百度网讯科技有限公司

本公开提出了任务处理方法、装置、电子设备及存储介质，涉及人工智能技术领域，具体涉及NLP、计算机视觉和智能搜索技术领域。方案为：响应于检测到登录用户触发的任务处理操作，基于与操作关联的任务上下文，初始化任务处理会话界面；响应于检测到对任务处理会话界面触发的知识引用添加操作，展示知识关联浮层；响应于对知识关联浮层中的知识条目集合中至少一个知识条目的选择操作，基于所选择的知识条目和任务上下文，向服务端发送任务处理指令，并接收服务端返回的任务处理结果，由此，提升了知识引用效率与内容生成质量，有效缩短了高价值文档撰写或对话生成等任务的创作路径，同时增强了AI辅助创作的实用性与用户的操作自主性。

本申请公开了云手机中智能体状态持久化方法、装置及电子设备，涉及计算机技术领域，尤其涉及深度学习、大模型、智能体、云平台等人工智能领域。具体实现方案为：获取目标用户对应的文件系统挂载请求；其中，文件系统挂载请求中包括目标用户的用户标识；确定网络文件系统的元数据地址，并根据元数据地址，将网络文件系统挂载至目标云手机内容器的目标挂载点；根据用户标识，确定在已挂载的网络文件系统中目标用户的智能体状态存储目录；其中，智能体状态存储目录用于持久化存储容器中的智能体与目标用户交互过程中产生的状态数据；将智能体关联的状态目录环境变量设置为智能体状态存储目录。

本公开提供了一种显存映射窗口扩展方法、装置、设备、介质及产品，涉及计算机技术领域，尤其涉及GPU显存管理技术领域。具体实现方案为：响应于满足于预设的窗口扩展条件，释放目标GPU的显存资源占用；将目标GPU的显存映射窗口的显存容量修改至目标值，得到修改后显存映射窗口，目标值大于显存容量的初始值；基于目标值向修改后显存映射窗口分配目标GPU的显存资源。该方案能够实现显存映射窗口的显存容量的扩展，以适配高显存需求任务，降低了因显存映射窗口的显存容量不足导致的频繁切换开销，提升了显存访问效率和整体性能。

本公开提供了一种共享资源的处理方法、装置、设备以及存储介质，本公开涉及数据处理技术领域，尤其涉及数据分析、软件应用等技术领域。具体实现方案为：响应于目标组件实例触发销毁事件，在资源持有关系记录中，确定目标组件实例持有的共享资源，以及确定共享资源对应的持有信息；根据共享资源对应的持有信息，确定共享资源未被持有的情况下，将共享资源确定为待处理的目标共享资源；以及，获取目标组件实例对应的生命周期重建判定信息；根据生命周期重建判定信息，确定目标组件实例的销毁过程是否处于生命周期重建场景；根据目标组件实例的销毁过程是否处于生命周期重建场景，对目标共享资源执行对应的处理操作。

本公开公开了同步安全验证方法、装置、设备及介质，涉及计算机领域，尤其涉及人工智能与程序安全验证技术领域。首先获取目标算子、其对应的约束集合以及目标算子执行的多个管控操作，然后基于多个管控操作以及约束集合，构建目标算子的操作同步依赖图，并基于操作同步依赖图，对目标算子进行同步依赖检查，获得检查结果，之后对目标算子进行搬运压力测试以及边界合规测试，分别获得对应的第一测试结果以及第二测试结果，最后在检查结果、第一测试结果以及第二测试结果均通过的情况下，确定目标算子通过同步安全验证。

本公开提供了一种服务诉求的处理方法及装置、设备和介质，涉及人工智能技术领域，尤其涉及自然语言理解、知识图谱和诉求处理技术领域。实现方案为：响应于接收到用户的第一服务诉求，确定第一诉求时间、用户的第一地址和第一服务诉求相应的第一故障描述信息；基于第一服务诉求执行如下的图谱更新操作：创建第一服务诉求相应的第一诉求节点；以及建立地址连接边以标记第一诉求节点与第一地址相应的第一地址节点关联；基于更新后的图谱确定包括图谱中满足第一条件的第二诉求节点的数量的图谱分析结果；基于第一故障描述信息和图谱分析结果生成第一工单；以及将第一工单派发至工单处理单元，以处理第一服务诉求。

本公开提供了基于决策单元的评测方法、装置、设备以及存储介质，涉及涉及计算机技术领域，尤其涉及决策单元评测、样本数据校验、聚类校验、分类结果评估、大模型评测等技术领域。具体实现方案为：获取被测系统的预测决策单元，预测决策单元中包括被测系统的一组具有共同根因的待评测案例集合；待评测案例集合中包括多个待评测案例，一个待评测案例中包括被测系统的输入信息和预测结果；获取多个参考决策单元，每个参考决策单元中包括参考案例集合；对预测决策单元和多个参考决策单元进行多因素混合对齐处理，得到预测决策单元和每个参考决策单元的匹配结果；从预测决策单元和每个参考决策单元的匹配结果中，确定全局最优匹配结果。

本公开公开了内核驱动防护方法、装置、设备及介质，涉及计算机领域，尤其涉及计算机安全等技术领域。首先响应于监测到内核中预设的至少一个内核钩子点触发，确定触发内核钩子点的操作，然后在操作为内核读取文件的情况下，确定已读取文件的文件类型，之后在文件类型为内核模块文件的情况下，确定已读取文件是否为预设文件，最后在已读取文件为预设文件的情况下，拦截已读取文件的内核模块加载。

本公开提供了多模态大模型训练和推送信息识别方法及装置，涉及深度学习、多模态大模型、自然语言处理和信息流推送等人工智能领域。所述多模态大模型训练方法可包括：获取目标业务类型对应的第一训练集，根据第一训练集和第一多模态大模型确定出目标提示词；根据目标业务类型对应的第二训练集和目标提示词生成第三训练集；根据第三训练集对第二多模态大模型进行训练，得到第三多模态大模型，第三多模态大模型用于识别出所述目标业务类型的第一推送信息所属的信息类别。应用本公开所述方案，可提升识别结果的准确性等。

本公开提供了文本数据处理方法、大语言模型的训练方法、装置和电子设备，涉及数据处理技术领域，尤其涉及人工智能、大模型技术。实现方案为：确定当前词元在大语言模型的当前层的上下文隐状态和当前层的字典基向量之间的相关度向量；将相关度向量和当前词元在当前层的中间态隐编码进行按元素相乘，以得到门控向量；利用门控向量对当前层的字典基向量进行线性组合，以得到当前层用于当前词元的记忆嵌入残差；将记忆嵌入残差注入上下文隐状态，以将当前层的字典基向量的语义嵌入大语言模型的上下文感知过程；利用大语言模型基于注入有记忆嵌入残差的上下文隐状态输出文本预测结果。

本公开提供了模型训练方法和装置、图片处理方法和装置、电子设备，涉及图像处理技术领域，尤其涉及人工智能、大模型、多模态等技术领域。具体实现方案为：获取教师模型对训练样本的标注结果，所述训练样本包含待展示的文本内容与多张候选图片；基于所述标注结果对基座多模态大模型进行监督微调，得到第一中间模型；获取所述第一中间模型在训练样本上的预测结果，基于所述预测结果与对应的标注结果之间的差异，从所述训练样本中挖掘难样本；基于所述难样本对所述第一中间模型进行强化学习训练，得到第二中间模型；获取精细训练数据集，基于所述精细训练数据集对所述第二中间模型进行监督微调，得到目标模型。

本申请公开了在云手机容器内部署智能体运行时的方法及装置，涉及计算机技术领域，尤其涉及深度学习、大模型、智能体、云平台等人工智能领域。具体实现方案为：获取智能体运行时部署请求；其中，智能体运行时部署请求中包括云手机的设备标识；利用云手机中的容器作为智能体运行时的宿主环境，在容器中部署智能体运行时。

本公开提供了一种用于运行中容器的动态卷挂载方法、装置和容器编排系统，涉及云计算技术领域，尤其涉及容器编排技术。实现方案为：利用部署在节点处的代理单元执行以下操作：利用节点本地通信通道从已运行的容器运行单元获取目标卷挂载请求；对所述目标卷挂载请求进行校验，以确定是否允许执行所述目标卷挂载请求中所指示的动态卷挂载；响应于所述校验通过，基于所述目标卷的容器存储接口CSI元数据属性，在节点侧为所述目标卷确定挂载点；以及根据所确定的挂载点将所述目标卷挂载到目标容器的挂载命名空间中的目标路径，其中，所述目标容器无需重启来访问所述目标卷。

本公开提供了一种训练样本处理方法、装置及电子设备，涉及人工智能、机器学习、数据清洗、模型训练等技术领域。其中，方法包括：对分类训练样本集中的训练样本进行分组，得到多个分组；其中，任一分组中的训练样本同源；基于多个分组进行多次K折交叉验证，获取任一训练样本的多个预测分类结果；其中，多次K折交叉验证中，多个分组的顺序使用多个不同的随机种子打乱，K为大于1的整数；根据任一训练样本的多个预测分类结果，调整分类训练样本集。

本公开提供了蒸馏模型知识的方法、相关装置及计算机程序产品，涉及深度学习、蒸馏训练、训练样本优化等人工智能技术领域。该方法的一具体实施方式包括：基于学生模型的当前状态参数和学生模型处理样本输入生成的学生模型输出，生成针对学生模型输出的质量评价参数；响应于质量评价参数大于第一参数阈值，通过教师模型生成学生模型输出的输出评分；基于输出评分，对学生模型进行训练；响应于用于监督对学生模型训练过程的损失函数达到训练目标，结束训练，得到由学生模型训练得到的目标学生模型。由此，不仅能够降低对教师模型资源使用和模型能力的要求，使更多模型能够通过蒸馏方式完成压缩和轻量化，还能够提升模型知识蒸馏过程的效率与质量。

本公开提供了一种多场景任务的多模型推理方法、装置、设备及存储介质，涉及计算机技术领域，尤其涉及人工智能机器人、边缘计算、GPU推理调度、云边协同技术领域。具体实现方案为：响应于获取到待处理任务的任务信息，基于所述任务信息确定所述待处理任务所属的目标场景；控制所述目标场景对应的目标模型进程处于运行状态，除所述目标模型进程以外的所述模型进程处于就绪状态，以通过所述目标模型进程运行所述目标场景对应的目标推理模型，进行对所述待处理任务的推理。这种方式可以降低目标设备的GPU中的常驻资源的消耗，提升了目标设备中GPU的资源利用率。

本公开提供了一种模型更新方法、模型推理方法、系统、装置及相关产品，涉及机器学习领域和人工智能领域，具体涉及大模型强化学习领域、智能体后训练领域及分布式模型训练领域，该方法包括：获取推理轨迹数据，其中，推理轨迹数据包括模型推理框架输出的词元序列中的多个词元以及各词元的推理对数概率、训练掩码和推理权重版本；根据训练掩码，从多个词元中确定出参与训练的目标词元；根据训练模型的当前权重，确定目标词元的行为概率；基于目标词元的推理权重版本、推理对数概率和行为概率，更新训练模型的模型权重。应用该方法能够有效消除大模型在训练与推理间的概率与路由偏差，提升强化学习训练的稳定性和收敛效率。

本公开提供了多页图像的生成方法、装置、设备以及存储介质，计算机技术领域，尤其涉及大语言模型、生成式模型、图像生成等人工智能技术领域。具体实现方案为：响应于多页图像生成需求，按照多个网格批次生成所述多个网格批次的原始网格图像；对每个批次的原始网格图像切分得到多页图像分别进行评估，得到本次生成的多页图像的第一评估结果；在根据所述第一评估结果确定存在评估失败的单页图像的情况下，重新生成所述评估失败的单页图像所在的失败批次的原始网格图像；对重新生成的原始网格图像切分得到多页新图像分别进行评估，得到重新生成的多页新图像的第二评估结果；其中，所述第二评估结果用于更新所述失败批次中的图像。

本公开公开了一种负载均衡实例的跨集群迁移方法、系统、设备及存储介质，涉及服务实例的处理以及跨集群的服务实例的迁移等技术领域。具体实现方案包括：分别生成配置待迁移的指定负载均衡实例的配置指示消息和迁移所述指定负载均衡实例至目标集群的迁移指示消息；基于所述目标集群的标识，向所述目标集群发送所述配置指示消息，以指示在所述目标集群中配置所述指定负载均衡实例；基于所述指定负载均衡实例的标识，向部署所述指定负载均衡实例的源集群发送所述迁移指示消息，以指示所述源集群迁移所述指定负载均衡实例已经建立连接的会话；将所述指定负载均衡实例的引流目的地址修改为所述目标集群的引流目的地址。

本公开提供了一种数据传输方法、装置及电子设备，涉及通信技术领域。其中，方法包括：对发送端与接收端之间的多个通信链路进行RTT测量，确定任一通信链路的调度权重；根据发送端待发送的第一数据，以及多个通信链路的调度权重，确定发送端的数据传输策略；其中，数据传输策略包括单链路传输和多链路传输。