一种基于线性回归的大模型答案溯源方法

本发明提供了一种基于线性回归的大模型答案溯源方法，首先针对跟定问题利用检索增强方法引入外部知识作为上下文，拼接问题和上下文输入模型得到原始答案。其次对上下文断句，依概率对句子进行掩码，排除掩盖的句子形成新的上下文，利用后验概率计算新上下文情况下生成原始答案的概率；该过程重复多次，形成多个<掩码数组，概率>序对，生成训练数据。最后利用上一步生成的训练数据，训练线性回归模型以预测掩码后的段落生成原始答案的概率，该回归模型的权重矩阵作为上下文中句子重要性衡量指标，权重较大的句子作为答案的来源。经过以上3个步骤，实现了大模型生成答案的追根溯源，从而增强模型的可解释性，有利于用户评估答案的可靠性。