本申請(qǐng)?zhí)峁┮环N氟油凝膠，包括氟油凝膠前體按照質(zhì)量份數(shù)包括以下組份：雙羥基全氟聚醚10份，(2,4,6?三氧代三嗪?1,3,5(2H,4H,6H)?三基)三(六亞甲基)異氰酸酯1.4~1.615份，三氯三氟乙烷5份，二氯甲烷11.1~25...

本發(fā)明涉及智能心理健康管理服務(wù)領(lǐng)域，具體而言，涉及一種基于AI?Agent的大學(xué)生心理健康服務(wù)系統(tǒng)及方法，系統(tǒng)包括心理健康測(cè)量模塊、社交人格畫(huà)像模塊、心理健康干預(yù)模塊。本發(fā)明中，測(cè)量師智能體通過(guò)標(biāo)準(zhǔn)化心理健康量表，從橫向角度測(cè)量大學(xué)生當(dāng)...

本發(fā)明公開(kāi)了一種噁二唑取代的1,2,3?三唑類(lèi)化合物的制備方法，屬于化合物合成技術(shù)領(lǐng)域。噁二唑取代的1,2,3?三唑類(lèi)化合物的制備方法，包括以下步驟，在堿性條件下，在溶劑中，式Ⅰ所示化合物、式Ⅱ所示化合物與式Ⅲ經(jīng)脫氟?親核取代?環(huán)加成反...

本發(fā)明提供了基于多源時(shí)效知識(shí)庫(kù)的動(dòng)態(tài)智能檢索閉環(huán)反饋方法，涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，通過(guò)對(duì)補(bǔ)全服務(wù)請(qǐng)求執(zhí)行語(yǔ)義分析，定位調(diào)用目標(biāo)時(shí)效知識(shí)庫(kù)；采集補(bǔ)全服務(wù)請(qǐng)求在目標(biāo)時(shí)效知識(shí)庫(kù)進(jìn)行回答文本檢索并集求解，輸出基礎(chǔ)回答文本；采用標(biāo)準(zhǔn)化應(yīng)答模板對(duì)基礎(chǔ)...

本發(fā)明提供一種面向高維數(shù)據(jù)可驗(yàn)證k近鄰查詢(xún)的方法及裝置，涉及可信溯源查詢(xún)領(lǐng)域，包括：獲取高維數(shù)據(jù)并構(gòu)建可驗(yàn)證的索引結(jié)構(gòu)，計(jì)算各索引結(jié)構(gòu)的根哈希值并進(jìn)行數(shù)字簽名，將簽名后的根哈希和索引結(jié)構(gòu)上傳至云平臺(tái)存儲(chǔ)，并建立可信數(shù)據(jù)源；平臺(tái)接收查詢(xún)請(qǐng)...

本發(fā)明提供一種區(qū)塊鏈可驗(yàn)證分析型查詢(xún)處理的方法及裝置，涉及分布式數(shù)據(jù)庫(kù)技術(shù)領(lǐng)域，包括：在存檔節(jié)點(diǎn)中，驗(yàn)證每個(gè)區(qū)塊的可信性，合并事務(wù)并更新?tīng)顟B(tài)數(shù)據(jù)庫(kù)與讀寫(xiě)集哈希，并構(gòu)建MBT索引結(jié)構(gòu)，以得到初始化后的系統(tǒng)；初始化后的系統(tǒng)接收用戶(hù)發(fā)起的查詢(xún)...

本發(fā)明公開(kāi)了一種利用自動(dòng)生成的協(xié)同離散編碼提升點(diǎn)擊率預(yù)測(cè)性能的方法，包括：離散編碼特征生成：基于模型自身的原始特征嵌入，通過(guò)多個(gè)語(yǔ)義劃分的向量量化器將特征離散化，同時(shí)設(shè)計(jì)區(qū)分性?xún)?yōu)化目標(biāo)，使同一用戶(hù)的不同編碼具備良好的區(qū)分性，不同用戶(hù)的同...

本發(fā)明公開(kāi)了一種基于用戶(hù)反饋驅(qū)動(dòng)的可解釋推薦優(yōu)化系統(tǒng)，其特征在于，包括：離線策略強(qiáng)化學(xué)習(xí)框架、目標(biāo)感知的個(gè)性化獎(jiǎng)勵(lì)提示、基于帕累托最優(yōu)的多視角解釋優(yōu)化、總體目標(biāo)函數(shù)以及完整學(xué)習(xí)算法；通過(guò)引入用戶(hù)主觀評(píng)價(jià)和多目標(biāo)優(yōu)化策略，以解決推薦解釋質(zhì)...

本申請(qǐng)涉及一種基于復(fù)合印模的二維材料連續(xù)共形轉(zhuǎn)移方法，屬于二維材料轉(zhuǎn)移技術(shù)領(lǐng)域。該方法包括步驟：提供復(fù)合印模，包括依次層疊的硬質(zhì)基底、第一熱塑性聚合物層、第二熱塑性聚合物層和第一二維材料層，第一熱塑性聚合物層的熔點(diǎn)低于第二熱塑性聚合物層...

本公開(kāi)提供一種基于虛擬提示詞的檢索增強(qiáng)生成方法。包括查詢(xún)分解圖構(gòu)建階段，子查詢(xún)執(zhí)行階段，以及最終答案推理階段三個(gè)階段；查詢(xún)分解圖構(gòu)建階段接收用戶(hù)輸入的文本提示詞所構(gòu)成的原始查詢(xún)，將用戶(hù)查詢(xún)分解子查詢(xún)的有向無(wú)環(huán)圖；子查詢(xún)執(zhí)行階段總結(jié)出圍繞...

本發(fā)明涉及一種生成式人工智能的著作權(quán)侵權(quán)評(píng)估方法及系統(tǒng)，該方法包括：建立包括對(duì)照組及實(shí)驗(yàn)組的待測(cè)模型組；對(duì)所述待測(cè)模型組進(jìn)行提問(wèn)測(cè)試，獲得測(cè)試答案；基于所述測(cè)試答案與原著作品的相似度，對(duì)待測(cè)模型組進(jìn)行侵權(quán)評(píng)分，獲得評(píng)估結(jié)果。本發(fā)明通過(guò)量...

本發(fā)明涉及人工智能技術(shù)領(lǐng)域，公開(kāi)了一種基于多智能體協(xié)作的數(shù)據(jù)處理方法、裝置、設(shè)備及介質(zhì)。本發(fā)明可以定義和配置好開(kāi)發(fā)智能體、測(cè)試智能體、業(yè)務(wù)智能體、方案智能體和分析智能體，基于不同智能體間的交互模式，指令多智能體執(zhí)行各自對(duì)應(yīng)的階段任務(wù)，并...

本發(fā)明提供一種基于熱電離子凝膠的非溫度梯度依賴(lài)的柔性離子熱電偶及其制備方法和應(yīng)用。包括作為離子導(dǎo)體的熱電離子凝膠和柔性導(dǎo)電電極；柔性導(dǎo)電電極數(shù)量為兩個(gè)，且材質(zhì)不同；熱電離子凝膠具有柔性，且分別與柔性導(dǎo)電電極直接連接；所述柔性離子熱電偶利...

本公開(kāi)提供一種針對(duì)分子構(gòu)象優(yōu)化任務(wù)的等變神經(jīng)網(wǎng)絡(luò)模型。包括四個(gè)步驟：第一步、給定一個(gè)分子圖，使用開(kāi)源的生物信息學(xué)工具RDKit獲取其對(duì)應(yīng)的低質(zhì)量構(gòu)象；第二步、使用編碼器將該低質(zhì)量構(gòu)象編碼到隱空間；第三步、使用由Wasserstein梯度...

本發(fā)明涉及一種基于AIGC的實(shí)時(shí)視頻通信方法，包括：S1、發(fā)送端獲取待視頻通信的完整視頻內(nèi)容，并從完整視頻內(nèi)容中提取出全部的音頻數(shù)據(jù)，以及圖像幀中的關(guān)鍵幀；S2、發(fā)送端將提取的音頻數(shù)據(jù)和關(guān)鍵幀傳輸至接收端；S3、接收端基于接收的音頻數(shù)據(jù)...

本發(fā)明公開(kāi)了一種基于高效機(jī)器遺忘去除訓(xùn)練偏見(jiàn)的多模態(tài)大模型物體幻覺(jué)緩解方法，包括如下步驟：S1、偏差推理結(jié)果的收集：首先從LVLM的訓(xùn)練數(shù)據(jù)中選擇圖像描述任務(wù)相關(guān)的指令作為源數(shù)據(jù)集；接著，使用LVLM對(duì)源數(shù)據(jù)集中的圖像和文本指令進(jìn)行重新...

本發(fā)明公開(kāi)了一種基于檢索頭的粗到細(xì)多文檔問(wèn)答方法，包括如下步驟：S1、粗粒度過(guò)濾：快速剔除大量背景文檔，保留候選文檔集；S2、細(xì)粒度引導(dǎo)：從候選集中進(jìn)一步抑制干擾文檔，增強(qiáng)對(duì)黃金證據(jù)文檔的注意力。本發(fā)明通過(guò)逐步過(guò)濾背景文檔和引導(dǎo)模型關(guān)注...

本申請(qǐng)涉及一種電力現(xiàn)貨價(jià)格預(yù)測(cè)方法和裝置。所述方法包括：根據(jù)當(dāng)前時(shí)段對(duì)應(yīng)的歷史同期時(shí)段的需求窗口期和供給窗口期，確定所述當(dāng)前時(shí)段的第一窗口期和第二窗口期；獲取所述第一窗口期的歷史需求參數(shù)和所述第二窗口期的歷史供給參數(shù)；將所述歷史需求參數(shù)...

本申請(qǐng)涉及一種電量預(yù)測(cè)方法、裝置和計(jì)算機(jī)設(shè)備，涉及能源領(lǐng)域。該方法包括：獲取目標(biāo)時(shí)段的歷史需求參數(shù)和歷史供給參數(shù)；基于歷史需求參數(shù)，對(duì)目標(biāo)時(shí)段的電力剩余需求進(jìn)行預(yù)測(cè)，得到第一預(yù)測(cè)結(jié)果；基于第一預(yù)測(cè)結(jié)果和歷史供給參數(shù)，對(duì)目標(biāo)時(shí)段的電力現(xiàn)貨...

本發(fā)明公開(kāi)了一種基于多智能體框架的自動(dòng)化相關(guān)工作生成系統(tǒng)，包括：選擇器、閱讀器和寫(xiě)作器；其中，所述選擇器是多智能體框架中的第一個(gè)智能體，負(fù)責(zé)決定下一個(gè)需要讀取的文獻(xiàn)部分；所述閱讀器是多智能體框架中的第二個(gè)智能體，負(fù)責(zé)閱讀選擇器指示的文獻(xiàn)...