基于多智能体记忆对齐的大语言模型内容合规与拒答评估方法及系统

本公开涉及一种基于多智体记忆对齐的大语言模型合规与拒答评估方法，步骤包括：基于安全测试数据集得到被测大语言模型的回复文本，从共享法条知识库检索相关法律条文，将测试问题、回复文本和法律条文输入由独立法官智能体组成的多智能体综合判断模块，各法官智能体独立判定，再通过多数投票输出最终结论，输出并保存逐条评测结果与判定理由，生成评测报告。本公开借助多智能体投票机制提升了评估的准确度与稳定性，通过双层记忆数据库实现专家经验的持续沉淀与复用，形成“自动评估—人工纠偏—记忆更新—再评估”的闭环，不用修改底层模型参数就能持续提升判定一致性，同时兼顾了高准确率与低人工成本。