人机交互方法、装置、电子设备及存储介质与流程

本公开涉及人工智能，特别涉及自然语言处理、大语言模型以及深度学习等领域的人机交互方法、装置、电子设备及存储介质。

背景技术：

1、目前，大语言模型(llms，large language models)已经在处理和生成文本方面展现了卓越的能力，它能够理解复杂的语言结构，并能够生成流畅、连贯的文本。

技术实现思路

1、本公开提供了人机交互方法、装置、电子设备及存储介质。

2、一种人机交互方法，包括：

3、获取用户与大语言模型对话过程中输入的问题；

4、对记忆库中的记忆信息进行检索，所述记忆信息为关于所述用户的历史记忆信息；

5、响应于检索到生成所述问题对应的应答信息所需的记忆信息，将检索到的记忆信息作为相匹配的记忆信息，结合所述相匹配的记忆信息，利用大语言模型生成所述应答信息。

6、一种人机交互装置，包括：问题获取模块、信息处理模块以及应答生成模块；

7、所述问题获取模块，用于获取用户与大语言模型对话过程中输入的问题；

8、所述信息处理模块，用于对记忆库中的记忆信息进行检索，所述记忆信息为关于所述用户的历史记忆信息；

9、所述应答生成模块，用于响应于检索到生成所述问题对应的应答信息所需的记忆信息，将检索到的记忆信息作为相匹配的记忆信息，结合所述相匹配的记忆信息，利用大语言模型生成所述应答信息。

10、一种电子设备，包括：

11、至少一个处理器；以及

12、与所述至少一个处理器通信连接的存储器；其中，

13、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如以上所述的方法。

14、一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使计算机执行如以上所述的方法。

15、一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现如以上所述的方法。

16、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

技术特征：

1.一种人机交互方法，包括：

2.根据权利要求1所述的方法，其中，

3.根据权利要求2所述的方法，其中，

4.根据权利要求3所述的方法，其中，

5.根据权利要求4所述的方法，其中，

6.根据权利要求4所述的方法，还包括：

7.根据权利要求2所述的方法，还包括：

8.根据权利要求3所述的方法，还包括：

9.根据权利要求1～8中任一项所述的方法，其中，

10.一种人机交互装置，包括：问题获取模块、信息处理模块以及应答生成模块；

11.根据权利要求10所述的装置，其中，

12.根据权利要求11所述的装置，其中，

13.根据权利要求12所述的装置，其中，

14.根据权利要求13所述的装置，其中，

15.根据权利要求13所述的装置，其中，

16.根据权利要求11所述的装置，其中，

17.根据权利要求12所述的装置，其中，

18.根据权利要求10～17中任一项所述的装置，其中，

19.一种电子设备，包括：

20.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使计算机执行权利要求1-9中任一项所述的方法。

21.一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现权利要求1-9中任一项所述的方法。

技术总结本公开提供了人机交互方法、装置、电子设备及存储介质，涉及自然语言处理、大语言模型以及深度学习等人工智能领域。其中的方法可包括：获取用户与大语言模型对话过程中输入的问题；对记忆库中的记忆信息进行检索，所述记忆信息为关于所述用户的历史记忆信息；响应于检索到生成所述问题对应的应答信息所需的记忆信息，将检索到的记忆信息作为相匹配的记忆信息，结合所述相匹配的记忆信息，利用大语言模型生成所述应答信息。应用本公开所述方案，可提升对话效果等。技术研发人员：雷泽阳,鲍思琪,吴华,王海峰受保护的技术使用者：北京百度网讯科技有限公司技术研发日：技术公布日：2024/5/29