【技術實現(xiàn)步驟摘要】
本申請實施例涉及人工智能領域，尤其涉及一種基于aigc服務的定價方法及相關設備。
技術介紹
1、生成式人工智能(gai，generative?artificial?intelligence)根據(jù)用戶提示(prompt)從而生成多樣化、多模態(tài)的內容，已經取得了顯著成功。相應地，人工智能生成內容(aigc，artificial?intelligence-generated?content)服務也得到了快速發(fā)展，如monica，poe，chatgpt等aigc服務平臺的流行。在實際應用中，aigc服務平臺通常會集成多個gai模型，如gpt-4，gpt-4o等，為用戶提供靈活的購買選項和組合。用戶將基于使用量指標(如提示次數(shù)、token數(shù)量等)購買aigc服務，與不同性能的gai模型進行交互并通過提示生成所需的內容。因此，此類新興的aigc服務為推廣和應用人工智能及機器學習技術提供了一種新的范式，推動了相關研究和部署的激增。雖然，現(xiàn)有技術對于gai模型、aigc服務等做了初步探索，但均聚焦于gai相關技術應用與性能優(yōu)化，在用戶的使用決策及服務平臺的提示定價機制方面存在明顯的研究和技術空白。
2、因此，如何將用戶決策及定價機制進行結合，是目前亟需解決的技術問題。
技術實現(xiàn)思路
1、本申請實施例提供了一種基于aigc服務的定價方法及相關設備，用于將用戶決策及定價機制進行結合，從而為aigc服務平臺確定高效的提示定價算法。
2、本申請實施例第一方面提供了一種基于aigc服
3、獲取生成式人工智能gai模型集合，確定所述gai模型集合中所有gai子模型，及分別與所述gai子模型對應的模型提示信息；其中，所述模型提示信息包括提示定價信息和提示成本信息；
4、獲取對應于用戶的用戶提示集合以及所述用戶提示集合中每個用戶提示意圖的提示模糊度；其中，所述用戶提示意圖用于表征用戶提示策略，所述提示模糊度用于表征推導任一用戶提示意圖的概率；
5、根據(jù)所述gai模型集合和所述用戶提示集合，確定期望效用映射；其中，所述期望效用映射用于表征任一用戶提示意圖在任一gai子模型下的生成內容的期望效用，所述生成內容與所述模型提示信息存在關聯(lián)；
6、根據(jù)所述期望效用映射、所述模型提示信息、所述所有gai子模型及所述提示模糊度，于所述所有gai子模型中確定目標gai模型，并于所述用戶提示意圖中確定目標提示策略；
7、確定同一提示模糊度下對應于所述提示定價信息的同構定價信息，以根據(jù)所述同構定價信息確定所述目標提示策略與所述目標gai模型下的提示成本信息的目標關聯(lián)關系，以根據(jù)所述目標關聯(lián)關系確定不同提示模糊度下的對應于所述提示定價信息的目標定價信息。
8、可選地，所述獲取對應于用戶的用戶提示集合以及所述用戶提示集合中每個用戶提示意圖的提示模糊度，包括：
9、獲取對于任意用戶的所述用戶提示意圖，并基于所有用戶的所有用戶提示意圖構建用戶意圖空間；
10、于所述用戶意圖空間中，確定對應于所述所有用戶提示意圖的所述用戶提示集合；其中，所述用戶提示集合包括于所述用戶提示意圖的條件下分布的用戶提示任務；
11、于所述用戶提示集合中，確定對于任一用戶提示意圖的所述提示模糊度。
12、可選地，所述根據(jù)所述gai模型集合和所述用戶提示集合，確定期望效用映射，包括：
13、確定任一gai子模型中，于所述用戶意圖空間的所述用戶提示意圖下的用戶生成內容；其中，所述用戶生成內容用于表征用戶從任一gai子模型中得到的模型生成內容；
14、在所述gai模型集合中，確定對應于所述用戶生成內容的期望效用，并求取所有期望效用，得到所述期望效用映射。
15、可選地，所述根據(jù)所述期望效用映射、所述模型提示信息、所述所有gai子模型及所述提示模糊度，于所述所有gai子模型中確定目標gai模型，并于所述用戶提示意圖中確定目標提示策略，包括：
16、基于上下文學習算法構建所述用戶提示意圖與用戶提示策略的策略關聯(lián)關系；其中，所述策略關聯(lián)關系用于表征所述用戶提示策略與所述用戶提示策略對應的所述用戶提示意圖之間的提示模糊度；
17、根據(jù)所述策略關聯(lián)關系、對應于任一gai子模型下的提示定價信息、對應于任一gai子模型下的期望效用映射以及所述用戶提示策略，確定與所述提示模糊度存在關聯(lián)的期望收益信息；
18、根據(jù)所述期望收益信息、對應于任一gai子模型下的提示定價信息、對應于任一gai子模型下的期望效用映射以及所述提示模糊度，確定所述目標提示策略；
19、根據(jù)所述目標提示策略、對應于任一gai子模型下的提示定價信息、對應于任一gai子模型下的期望效用映射以及所述提示模糊度，確定所述目標gai模型。
20、可選地，所述確定同一提示模糊度下對應于所述提示定價信息的同構定價信息，以根據(jù)所述同構定價信息確定所述目標提示策略與所述目標gai模型下的提示成本信息的目標關聯(lián)關系，以根據(jù)所述目標關聯(lián)關系確定不同提示模糊度下的對應于所述提示定價信息的目標定價信息，包括：
21、在所述同一提示模糊度下，根據(jù)對應于任一gai子模型、所述提示成本信息、所述目標gai模型、所述期望效用映射及所述用戶提示意圖，確定所述同構定價信息；
22、將所述目標提示策略與所述aigc服務平臺下的所述gai模型集合中的所述提示成本信息進行關聯(lián)，以在所述不同提示模糊度下進行提示定價算法，得到對應于任一gai子模型下的所述提示定價信息和所述提示成本信息之間的無約束分段關聯(lián)關系；
23、根據(jù)所述無約束分段關聯(lián)關系于任意兩個gai子模型之間，確定對應于所述目標提示策略的提示定價的上限函數(shù)；
24、根據(jù)提示定價的上限函數(shù)，確定所述目標定價信息。
25、可選地，所述得到對應于任一gai子模型下的所述提示定價信息和所述提示成本信息之間的無約束分段關聯(lián)關系，包括：
26、根據(jù)對于任一gai子模型下的提示定價信息以及所述期望效用映射，得到對于所述提示模糊度的第一函數(shù)解；根據(jù)所述目標提示策略的上限值以及次數(shù)值，得到對于所述提示模糊度的第二函數(shù)解；
27、根據(jù)所述第一函數(shù)解及所述第二函數(shù)解，以及所述提示定價信息和所述提示成本信息之間差值的最大值，建立所述無約束分段關聯(lián)關系。
28、可選地，所述根據(jù)所述無約束分段關聯(lián)關系于任意兩個gai子模型之間，確定對應于所述目標提示策略的提示定價的上限函數(shù)，包括：
29、根據(jù)對于任一gai子模型下的所述目標提示策略、所述目標提示策略的次數(shù)值、所述期望效用映射、所述提示模糊度及所述提示定價信息，確定對應于所述目標提示策略的次數(shù)值的最小值；
30、根據(jù)所述目標提示策略的次數(shù)值的最小值、所述無約束分段關聯(lián)關系、所述提示模糊度、所述任意兩個gai本文檔來自技高網(wǎng)...
【技術保護點】
1.一種基于AIGC服務的定價方法，其特征在于，應用于AIGC服務平臺，所述方法包括：
2.根據(jù)權利要求1所述的基于AIGC服務的定價方法，其特征在于，所述獲取對應于用戶的用戶提示集合以及所述用戶提示集合中每個用戶提示意圖的提示模糊度，包括：
3.根據(jù)權利要求2所述的基于AIGC服務的定價方法，其特征在于，所述根據(jù)所述GAI模型集合和所述用戶提示集合，確定期望效用映射，包括：
4.根據(jù)權利要求3所述的基于AIGC服務的定價方法，其特征在于，所述根據(jù)所述期望效用映射、所述模型提示信息、所述所有GAI子模型及所述提示模糊度，于所述所有GAI子模型中確定目標GAI模型，并于所述用戶提示意圖中確定目標提示策略，包括：
5.根據(jù)權利要求4所述的基于AIGC服務的定價方法，其特征在于，所述確定同一提示模糊度下對應于所述提示定價信息的同構定價信息，以根據(jù)所述同構定價信息確定所述目標提示策略與所述目標GAI模型下的提示成本信息的目標關聯(lián)關系，以根據(jù)所述目標關聯(lián)關系確定不同提示模糊度下的對應于所述提示定價信息的目標定價信息，包括：
6.根
7.根據(jù)權利要求6所述的基于AIGC服務的定價方法，其特征在于，所述根據(jù)所述無約束分段關聯(lián)關系于任意兩個GAI子模型之間，確定對應于所述目標提示策略的提示定價的上限函數(shù)，包括：
8.一種基于AIGC服務的定價系統(tǒng)，其特征在于，應用于AIGC服務平臺，所述系統(tǒng)包括：
9.一種基于AIGC服務的定價裝置，其特征在于，所述裝置包括：
10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質包括指令，當所述指令在計算機上運行時，使得計算機執(zhí)行如權利要求1至7中任意一項所述的基于AIGC服務的定價方法。
...【技術特征摘要】
1.一種基于aigc服務的定價方法，其特征在于，應用于aigc服務平臺，所述方法包括：
2.根據(jù)權利要求1所述的基于aigc服務的定價方法，其特征在于，所述獲取對應于用戶的用戶提示集合以及所述用戶提示集合中每個用戶提示意圖的提示模糊度，包括：
3.根據(jù)權利要求2所述的基于aigc服務的定價方法，其特征在于，所述根據(jù)所述gai模型集合和所述用戶提示集合，確定期望效用映射，包括：
4.根據(jù)權利要求3所述的基于aigc服務的定價方法，其特征在于，所述根據(jù)所述期望效用映射、所述模型提示信息、所述所有gai子模型及所述提示模糊度，于所述所有gai子模型中確定目標gai模型，并于所述用戶提示意圖中確定目標提示策略，包括：
5.根據(jù)權利要求4所述的基于aigc服務的定價方法，其特征在于，所述確定同一提示模糊度下對應于所述提示定價信息的同構定價信息，以根據(jù)所述同構定價信息確定所述目標提示策略與所述目標gai模型...
【專利技術屬性】
技術研發(fā)人員：李想，羅冰，黃建偉，羅元，
申請(專利權)人：深圳市人工智能與機器人研究院，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。