紫光恒越技术有限公司

本发明属于人工智能及计算机任务执行控制领域，具体涉及一种大语言模型智能体的工具调用错误修正方法及系统，旨在解决历史失败经验难以复用、纠错内容缺乏验证以及错误经验持续干扰后续任务的问题。本发明形成包含任务计划、调用参数、输出、错误、上下文摘要及环境状态的执行轨迹，筛选失败轨迹并构建具有适用前提、纠错约束和参数模板的反思记忆；在任务执行前匹配失败轨迹，将符合条件的反思记忆写入任务计划及调用参数，对修复后工具调用链进行隔离模拟和真实执行，并根据回放验证结果、真实执行状态及执行一致度更新可信度。本发明能够实现工具调用错误的前置预防、无副作用验证以及失效反思记忆的自动归档。

本发明公开了一种多轮对话上下文动态调度方法及系统，属于自然语言处理技术领域。所述方法包括：响应于当前会话满足上下文调度条件，对多轮对话数据进行降噪处理后写入当前上下文存储区；根据新写入内容与已有内容的语义变化程度判断是否发生话题切换；发生话题切换时基于切换前内容生成历史话题锚点并关联存储历史对话数据；响应于当前轮次用户输入，基于语义表示与历史话题锚点的匹配关系确定是否命中历史话题；命中时将关联的历史对话数据加入模型输入上下文；根据模型输入各组成部分的更新频率分层组装后发送至大语言模型。本发明实现了交叉话题的平滑重入与合并，避免上下文碎片化，同时提升提示词缓存命中率。

本发明公开了一种多智能体安全协同方法、系统及电子设备，属于多智能体系统技术领域。针对现有多智能体协同场景下污点追踪颗粒度粗、易发生级联污染、静态管控灵活性不足的问题，本发明对输入数据进行可信度评估并赋予初始污点浓度，切分语义片段构建追踪溯源图；拦截智能体输出消息并切分为输出语句，通过语义相似度计算确定输出语句污点浓度；拦截工具调用请求，逆向追溯得到调用参数的实际污点浓度；结合工具基础敏感度与环境严格度计算动态风险阈值，比对确定执行策略。通过上述方案实现了细粒度语义级污点追踪，兼顾安全防护与业务连续性，适用于黑盒大语言模型多智能体协同防护场景。

本申请提供基于增强学习和兵棋推演的海上巡航即时推演方法和系统，属于智能调度与仿真推演技术领域，本申请获取溢油位置坐标、海流速度矢量及各巡查船只的位置坐标和剩余续航形成初始状态集合，以推演沙盘为仿真环境，智能体在每个时间步长内提交控制指令，推演沙盘同步更新边缘位置坐标、推演位置坐标及剩余续航，以空间覆盖率和响应时间为奖励值对初始调度策略持续迭代至收敛，输出目标调度策略。将目标调度策略转化为调度指令下发后，将回传位置与推演位置坐标作差累加得到累积偏移量，以最大偏移量通过反比例映射转化为触发间隔时长，计时到达后更新沙盘重新生成目标调度策略。本申请实现了溢油扩散前沿的高覆盖率快速响应与闭环更新。

本发明公开了一种大模型与运筹求解协同优化的任务处理方法、系统及设备，属于人工智能与运筹优化技术领域。为解决现有运筹优化建模门槛高、大模型直接求解可靠性不足、易用性与求解精度难以兼顾的问题。本发明包括：接收用户输入的优化任务输入信息，利用大语言模型解析生成符合预设规范的结构化优化任务信息；对结构化信息进行校验，校验未通过时生成修正提示信息，驱动大语言模型完成修正；基于校验通过的结构化信息生成优化模型并求解，求解异常时生成模型调整信息修正优化模型后重求解，输出优化结果。上述方案实现了优化任务全链路自动化处理，兼顾易用性与可靠性，适配多类运筹优化场景。