基于自适应任务解构与多模态证据聚合的复杂问答方法及系统

本发明提供一种基于自适应任务解构与多模态证据聚合的复杂问答方法及系统，属于自然语言处理技术领域，设计了基于依存句法指纹的动态Few‑shot提示构建方法确保提示模板与问题结构匹配；基于置信度评估与自反思的问题动态解构方法，利用大语言模型递归分解问题树；问题树上下文依赖规范与任务序列生成方法将问题树转换成标准化线性任务执行序列；基于双路召回与交叉编码器重排的证据生成方法获取各任务高相关性证据集；基于双策略聚合推理的问题答案抽取方法对任务序列进行推理并动态选优。本发明能够实现在确保问题拆解质量、遏制错误传播、全面证据召回的前提下提供准确的复杂问答结果。