本申請?zhí)峁┮环N有機凝膠及其制備方法與應(yīng)用，有機凝膠包括：預(yù)聚溶液；按質(zhì)量份計，預(yù)聚溶液包括1.0份丙二醇、0.5?1.3份丙烯酸、0.6?1.3份甲基丙烯酸?2?氨基乙基酯鹽酸鹽及0.0055?0.026份光引發(fā)劑；有機凝膠及其制備方法...

本發(fā)明涉及自然語言處理技術(shù)領(lǐng)域，尤其是涉及一種大語言模型長上下文窗口拓展方法，具體涉及一種基于旋轉(zhuǎn)位置編碼拓展改進和預(yù)訓(xùn)練方法改進的大模型長上下文窗口拓展方法，包括如下步驟：針對旋轉(zhuǎn)位置編碼參數(shù)的訓(xùn)練調(diào)優(yōu)、長文本訓(xùn)練和短到長蒸餾的繼續(xù)預(yù)...

本發(fā)明涉及生成式推薦技術(shù)領(lǐng)域，尤其是涉及一種基于多分詞器增強的生成式推薦預(yù)訓(xùn)練方法，包括：S1、輸入訓(xùn)練數(shù)據(jù)；S2、根據(jù)采樣概率選擇一個物品分詞器；S3、對交互序列和目標(biāo)物品進行分詞；S4、計算生成目標(biāo)的負對數(shù)似然損失并進行模型優(yōu)化；S...

本發(fā)明涉及一種用于GPU平臺的OLAP查詢處理方法，所述方法，包括：步驟1，響應(yīng)于OLAP查詢處理的SQL語句指令，將數(shù)據(jù)庫中的維表和事實表加載到GPU平臺的全局內(nèi)存中；步驟2，解析所述SQL語句指令，構(gòu)建虛擬事實表；步驟3，通過第一階...

本公開提供一種基于大模型智能體的非獨立同分布數(shù)據(jù)模擬方法。智能體由個人資料模塊、記憶模塊、信念模塊、創(chuàng)作模塊四個模塊，并通過訓(xùn)練構(gòu)成智能體部署在系統(tǒng)環(huán)境上，通過用戶端訪問所述智能體并得到輸出結(jié)果，所述用戶端的操作則會構(gòu)成反饋信息輸入記憶...

本發(fā)明公開了一種基于檢索增強驗證和改進的復(fù)雜推理方法，包括如下步驟：S1、根節(jié)點為輸入的一個多跳問題，初始化根節(jié)點是輸出的一個原始問題，即需要解決的問題；S2、開始一次搜索模擬：使用蒙特卡洛樹搜索算法，進行搜索模擬；S3、從樹中選擇一個...

本發(fā)明公開了一種基于多模態(tài)文檔的檢索增強生成方法，該方法包括如下步驟：S1、數(shù)據(jù)構(gòu)造；S2、多模態(tài)知識檢索器的特征抽取；S3、多模態(tài)知識檢索器的特征映射；S4、多模態(tài)知識檢索器的相關(guān)度計算；S5、多模態(tài)答案生成：大語言模型根據(jù)多模態(tài)輸入...

本發(fā)明屬于微電子材料技術(shù)領(lǐng)域，具體涉及一種二維材料器件及其制備方法與應(yīng)用。所述器件包括依次層疊設(shè)置的基底層、二維材料層、阻隔層和保護層；其中，所述阻隔層的厚度為2?6nm；通過特定厚度的阻隔層對二維材料進行保護，不僅顯著降低光刻過程對二...

本發(fā)明公開了一種基于圖神經(jīng)網(wǎng)絡(luò)和遷移學(xué)習(xí)的產(chǎn)品推薦方法，涉及電商推薦技術(shù)領(lǐng)域。根據(jù)圖神經(jīng)網(wǎng)絡(luò)對多模網(wǎng)絡(luò)進行嵌入學(xué)習(xí)，得到每個用戶的嵌入向量；確定目標(biāo)用戶的近鄰用戶；根據(jù)目標(biāo)用戶的近鄰用戶購買過的產(chǎn)品所屬的歷史線上產(chǎn)品類目和目標(biāo)用戶的嵌入...

本發(fā)明提供一種多源異構(gòu)相關(guān)性分析下基于能力綜合評估的醫(yī)生推薦方法，涉及醫(yī)療服務(wù)領(lǐng)域。首先，以醫(yī)生診療過的疾病對應(yīng)的患者人數(shù)作為其能力的指標(biāo)，生成醫(yī)生能力矩陣并進行歸一化操作；其次，針對歸一化后的醫(yī)生能力矩陣中的零值，基于多源異構(gòu)數(shù)據(jù)依次...

本公開提供一種基于檢測的細粒度蛋白酶功能預(yù)測方法。首先，將初始輸入蛋白質(zhì)序列送入預(yù)訓(xùn)練好的ESM?1b編碼器得到通用初始嵌入式特征，構(gòu)建基于編碼器?解碼器結(jié)構(gòu)的酶功能預(yù)測模型，包含蛋白質(zhì)殘基編碼器和酶功能解碼器；而后采用基于二分圖匹配的...

本發(fā)明涉及一種定量離子遷移相關(guān)電荷電量的方法和系統(tǒng)，包括：延時發(fā)生器、自制開關(guān)、穩(wěn)態(tài)光源裝置以及示波器；所述延時發(fā)生器用于根據(jù)預(yù)設(shè)時序，對所述自制開關(guān)、穩(wěn)態(tài)光源裝置以及示波器進行控制；所述穩(wěn)態(tài)光源裝置用于根據(jù)控制信號提供穩(wěn)態(tài)光對待測試鈣...

本發(fā)明涉及一種基于數(shù)據(jù)驅(qū)動的自動化報告系統(tǒng)，包括：模板配置模塊，用于根據(jù)目標(biāo)統(tǒng)計分析流程生成相應(yīng)的模板文件；數(shù)據(jù)管理模塊，用于對項目數(shù)據(jù)和文獻數(shù)據(jù)進行管理；統(tǒng)計分析引擎模塊，用于提供相應(yīng)的統(tǒng)計分析模型；統(tǒng)計分析可視化模塊，用于提供一個交...

本發(fā)明屬于聯(lián)邦學(xué)習(xí)技術(shù)領(lǐng)域，提供了基于差分隱私聯(lián)邦學(xué)習(xí)的公平回歸算法，實現(xiàn)本發(fā)明的技術(shù)方案主要包含三個模塊：首先，利用利用聯(lián)邦學(xué)習(xí)算法訓(xùn)練全局回歸模型；其次，通過引入集中差分隱私，根據(jù)給定的差分隱私參數(shù)確定離散高斯分布的方差；最后，在聯(lián)...

本申請涉及區(qū)塊鏈技術(shù)領(lǐng)域，具體提供一種基于區(qū)塊鏈的數(shù)字貨幣數(shù)據(jù)處理系統(tǒng)及方法，旨在解決如何準(zhǔn)確、及時地檢測出數(shù)字貨幣的異常交易行為的問題。為此目的，本申請?zhí)峁┑南到y(tǒng)包括部署在區(qū)塊鏈網(wǎng)絡(luò)上的管理節(jié)點、服務(wù)節(jié)點、模型調(diào)度模塊和集成管理模塊；...

本發(fā)明涉及污水處理技術(shù)領(lǐng)域，公開了一種漸減曝氣與機械攪拌耦合的推流式曝氣裝置，包括推流式曝氣裝置，所述推流式曝氣裝置內(nèi)安裝有布氣干管和曝氣支管，所述曝氣支管的安裝密度隨所述推流式曝氣裝置沿程逐漸減小；鼓風(fēng)機，與布氣干管連接；氣體流量計，...

本申請?zhí)峁┝艘环N高效復(fù)合碳源及其制備方法、應(yīng)用，涉及污水處理技術(shù)領(lǐng)域。高效復(fù)合碳源按重量百分?jǐn)?shù)計，包括如下組分：脂肪酸鹽類35%?45%，醇類35%?45%，余量水。制備方法是將所述脂肪酸鹽類溶于水中，常溫下攪拌使其全部溶解，再將醇類加...

本公開提供一種基于蒙特卡洛樹與動態(tài)檢索的多模態(tài)推理方法。應(yīng)用于人工智能助手輔助教師判卷場景。具體來說，本框架包括統(tǒng)一的檢索模塊：所述檢索模塊包括混合模態(tài)檢索語料庫和多模態(tài)檢索模塊；所述多模態(tài)檢索模塊包括兩種檢索模塊：文本檢索模塊和跨模態(tài)...

本發(fā)明涉及一種基于思維鏈的答案生成方法及系統(tǒng)，該方法包括：收集用戶指令；根據(jù)所述用戶指令，通過第一模型生成候選答案集；將所述用戶指令及所述候選答案集輸入第二模型，通過所述第二模型對所述候選答案集進行解析整合，獲得優(yōu)化答案；以所述用戶指令...

本發(fā)明涉及一種基于大語言模型的單元測試生成方法，包括：收集代碼微調(diào)數(shù)據(jù)，獲得原始數(shù)據(jù)集；對所述原始數(shù)據(jù)集進行預(yù)處理，獲得優(yōu)化數(shù)據(jù)集；根據(jù)所述優(yōu)化數(shù)據(jù)集中的查詢問題及代碼解決方案，生成單元測試數(shù)據(jù)；通過所述優(yōu)化數(shù)據(jù)集及所述單元生成數(shù)據(jù)，基...