一种专注于石油焦行业人工智能垂直大模型训练方法
- 申请日：2025-09-01
- 申请人-原始：山东焦易网数字科技股份有限公司
- 申请人-英文：Shandong Jiaoyiwang Digital Technology Co.,Ltd.
- 申请人-中文：山东焦易网数字科技股份有限公司
- 发明人-中文：王光军;边涛;王旭;高翠;曲新笛;张新鑫
- 发明人-英文：Wang Guangjun;Bian Tao;Wang Xu;Gao Cui;Qu Xindi;Zhang Xinxin
- 发明人-原文：王光军;边涛;王旭;高翠;曲新笛;张新鑫
- 申请人地址：261000 山东省潍坊市滨海区央子街道汉江东街02566号18号厂房
- 申请人区域代码：CN370702
本发明涉及大模型技术领域，具体地说，涉及一种专注于石油焦行业人工智能垂直大模型训练方法。其包括如下方法：S1、获取关于石油焦行业领域的数据集，将数据集交给通用模型进行训练，得到垂直大模型；S2、设置审核池和核验池，其中，审核池用于接收垂直大模型输出的错误问答数据，核验池用于接收垂直大模型输出的与预测性维护相关的正确问答数据。用户在将垂直大模型预测的设备寿命数据标记为正确时，通过识别垂直大模型与用户交互信息，分析交互信息以及垂直大模型对交互内容的认可，从而识别疑似错误的问答数据，通过及时将疑似错误的问答数据转入审核池，使疑似错误的问答数据及时得到纠错，从而提高模型的进化效率。
| 专利模型 | |
| 专利编码 | PIDCNB0202512230000000012074419CN0BOHL5017741 |
| 标题-中文 | 一种专注于石油焦行业人工智能垂直大模型训练方法 |
| 标题-英文 | Artificial intelligence vertical large model training method focusing on petroleum coke industry |
| 标题-原始 | 一种专注于石油焦行业人工智能垂直大模型训练方法 |
| 申请号-原始 | CN202511231848.X |
| 申请日 | 2025-09-01 |
| 公开日 | 2025-12-23 |
| 文献类型 | B |
| 文献号-原始 | CN120744027B |
| 申请人-原始 | 山东焦易网数字科技股份有限公司 |
| 申请人-英文 | Shandong Jiaoyiwang Digital Technology Co.,Ltd. |
| 申请人-中文 | 山东焦易网数字科技股份有限公司 |
| IPC | G06F16/332;G06F16/3329;G06N5/04;G06N3/091;G06Q10/20;G06Q50/04 |
| 专利强度 | 58.0 |
| 摘要-原始语种 | 本发明涉及大模型技术领域，具体地说，涉及一种专注于石油焦行业人工智能垂直大模型训练方法。其包括如下方法：S1、获取关于石油焦行业领域的数据集，将数据集交给通用模型进行训练，得到垂直大模型；S2、设置审核池和核验池，其中，审核池用于接收垂直大模型输出的错误问答数据，核验池用于接收垂直大模型输出的与预测性维护相关的正确问答数据。用户在将垂直大模型预测的设备寿命数据标记为正确时，通过识别垂直大模型与用户交互信息，分析交互信息以及垂直大模型对交互内容的认可，从而识别疑似错误的问答数据，通过及时将疑似错误的问答数据转入审核池，使疑似错误的问答数据及时得到纠错，从而提高模型的进化效率。 |
| 摘要-英文 | The invention relates to the technical field of large models, in particular to an artificial intelligent vertical large model training method which is focused on the petroleum coke industry. The method comprises the following steps of S1, acquiring a data set related to the petroleum coke industry field, delivering the data set to a general model for training to obtain a vertical large model, S2, setting an auditing pool and a verification pool, wherein the auditing pool is used for receiving error question-answer data output by the vertical large model, and the verification pool is used for receiving correct question-answer data related to predictive maintenance and output by the vertical large model. When the user marks the predicted equipment life data of the vertical large model as correct, the interactive information and the user interactive information are identified, the interactive information and the acceptance of the vertical large model to the interactive content are analyzed, so that the suspected wrong question-answer data are identified, and the suspected wrong question-answer data are transferred into an auditing pool in time, so that the suspected wrong question-answer data are corrected in time, and the evolution efficiency of the model is improved. |
| 摘要-中文 | 本发明涉及大模型技术领域，具体地说，涉及一种专注于石油焦行业人工智能垂直大模型训练方法。其包括如下方法：S1、获取关于石油焦行业领域的数据集，将数据集交给通用模型进行训练，得到垂直大模型；S2、设置审核池和核验池，其中，审核池用于接收垂直大模型输出的错误问答数据，核验池用于接收垂直大模型输出的与预测性维护相关的正确问答数据。用户在将垂直大模型预测的设备寿命数据标记为正确时，通过识别垂直大模型与用户交互信息，分析交互信息以及垂直大模型对交互内容的认可，从而识别疑似错误的问答数据，通过及时将疑似错误的问答数据转入审核池，使疑似错误的问答数据及时得到纠错，从而提高模型的进化效率。 |
| 当前权利状态 | 1 |
| 当前权利状态中文 | 有权 |
| 专利类型 | 发明 |
| 是否存在PDF | 0 |
| 申请号标准 | CN102025001231848 |
| 公布号标准 | CN120744027B |
| 代表性文献号 | CN120744027A |
| 发明人-中文 | 王光军;边涛;王旭;高翠;曲新笛;张新鑫 |
| 发明人-英文 | Wang Guangjun;Bian Tao;Wang Xu;Gao Cui;Qu Xindi;Zhang Xinxin |
| 发明人-原文 | 王光军;边涛;王旭;高翠;曲新笛;张新鑫 |
| 代理人-中文 | 高天虹 |
| 代理人-英文 | Gao Tianhong |
| 代理人-原文 | 高天虹 |
| 专利权人-中文 | 山东焦易网数字科技股份有限公司 |
| 专利权人-英文 | Shandong Jiaoyiwang Digital Technology Co.,Ltd. |
| 专利权人-原文 | 山东焦易网数字科技股份有限公司 |
| 审查员-中文 | 王如想 |
| 审查员-原文 | 王如想 |
| 代理机构中文 | 北京瑞盛铭杰知识产权代理有限公司 11617 |
| 代理机构英文 | Beijing Ruisheng Mingjie Intellectual Property Agency Co., Ltd |
| 代理机构原始 | 北京瑞盛铭杰知识产权代理有限公司 11617 |
| 代理机构代码 | 11617 |
| 转让次数 | 0 |
| 许可次数 | 0 |
| 质押次数 | 0 |
| 诉讼次数 | 0 |
| 说明书页数 | 5 |
| PCT | 否 |
| 申请人地址 | 261000 山东省潍坊市滨海区央子街道汉江东街02566号18号厂房 |
| 申请人区域代码 | CN370702 |
| 专利权人地址 | 261000 山东省潍坊市滨海区央子街道汉江东街02566号18号厂房 |
| 失效日期 | 2045-09-01 |
| 当前权利人原始 | 山东焦易网数字科技股份有限公司 |
| 当前权利人地址 | 261000 山东省潍坊市滨海区央子街道汉江东街02566号18号厂房 |
| 当前权利人区域代码 | CN370702 |
| 权利要求数量 | 7 |