守正创新！渊亭2024年度技术专利盘点

本发明提出了一种基于K均值聚类的数据识别方法，利用先进的聚类算法和自动化处理技术，优化初始聚类中心，动态调整聚类数目，通过多种指标评估聚类结果，高效识别并筛选出最适合深度学习模型训练的高质量数据点，显著提高了处理大数据集的效率和数据识别的精度。

本发明通过 ZeRO技术压缩和去重模型参数，利用 Offload 技术分配计算任务，优化数据加载和并行计算，以及动态显存分配策略，有效解决了大模型训练中内存和计算资源的瓶颈，提升大模型训练效率。

本发明提出了一种利用多层注意力模型进行长文本指代消解的方法，利用构建多层注意力模型处理自然语言的不同层次信息，通过向量准确识别指代关系，能够有效处理显性指代和零指代情况，提高指代消解准确率。

本发明通过将行业领域的先验知识与预训练模型融合，构建能够关系过滤的实体关系抽取模型，同时训练命名实体识别模型进行实体识别和关系抽取，加快了实体关系抽取的训练速度和推理速度，显著提升了模型准确率和效率。

本发明通过拆解多智能体环境中实体的通用属性，进行特征定义、编码、提取和融合，以及动作解耦，利用强化学习算法在不同场景进行泛化训练，实现多智能体模型的跨场景知识迁移，降低了对特定环境的依赖，提高了模型的泛化能力和知识迁移效率。

本发明采用强化学习训练的智能体作为对抗方，辅助指挥官进行训练，提供一种智能体在线训练机制，通过采集数据、选择动作、获取奖励、存储经验等，并利用神经网络判断训练启动时机，有效分配服务器数据处理任务，保证智能体的持续学习和对抗强度。

本发明通过构建知识图谱，利用大模型生成初步检索语句，进行图谱检索，并结合关键词抽取、节点得分计算过滤，最终构建回答模板并生成答案，提升军事领域问答的效率和准确性。

本发明利用语言大模型构建军事领域知识向量库，对问题进行向量编码和匹配。该方法通过图文结合以生成最终答案，并能够基于对标问题关键词，对初步答案进行反复迭代和推理，为用户提供准确、易懂的军事问题答案，确保给出答案的准确性和可靠性。

本发明提出了一种基于人工智能的情报信息效用评估方法。该方法通过分析情报信息的相关数据、关键实体、类似情报、来源信息、时效性，并结合历史情报训练的准确性评估模型，最终得出情报信息的效用性评分，提升情报信息效用评估的全面性和准确性。

本发明通过提取防务情报关键词及其词频、重要程度，结合防务情报中的关键命名实体结果，计算防务情报的重要性评分，实现防务情报的自动分类，提高防务情报处理的效率和准确性。

本发明通过区域划分、数据本地存储、以及节点间直连通信等手段，合理分配计算负载和控制数据传输量，提高了仿真推演系统的可扩展性和适应性，可应用于大规模复杂系统的仿真。

本发明提出了一种通用的标绘图形绘制方法，其核心在于将标绘图形拆分为最小基本图元，生成各个最小基本图元对应的图形数据，最后通过地图框架容器进行渲染绘制。该方法将标绘图形的生成与渲染及鼠标操作相分离，可适用于各种地图框架，提升了标绘图形绘制的灵活性。

本发明通过设计作战任务模型、建立仿真推演环境、任务拆解、构建层次化决策框架，以及训练神经网络模型和构建任务规划系统，实现现代战役中作战任务规划的实时性和精确性，提升作战效能。