买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京东青互联科技有限公司申请的专利多模态LLM-RAG本地知识库的跨模态语义对齐方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121638259B 。

龙图腾网通过国家知识产权局官网在2026-04-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202610156178.8，技术领域涉及：G06F40/30；该发明授权多模态LLM-RAG本地知识库的跨模态语义对齐方法是由刘世平;丁然;刘思凡;夏学磊;蔡长江设计研发完成，并于2026-02-04向国家知识产权局提交的专利申请。

本多模态LLM-RAG本地知识库的跨模态语义对齐方法在说明书摘要公布了：本发明涉及人工智能技术领域，具体涉及多模态LLM‑RAG本地知识库的跨模态语义对齐方法，方法包括：S1、构建跨模态语义元胞动态重组基座，用于将文本、图像、音频等多种异构模态的原始语义信息拆解为最小可独立表征的语义元胞。本发明通过构建跨模态语义元胞动态重组基座，将文本图像音频等异构模态拆解为带模态标识语义权重及关联阈值的语义元胞，结合本地数据动态重组迭代，解决现有技术忽视模态嵌入空间结构性差异、不适应本地数据稀疏的问题；借助因果感知的预测式分布校准机制搭建模态‑语义‑场景三层因果图谱，定位数据分布变化根源并结合时序数据预判调整元胞集群规则，避免数据分布偏移引发的语义失准。

本发明授权多模态LLM-RAG本地知识库的跨模态语义对齐方法在权利要求书中公布了：1.一种多模态LLM-RAG本地知识库的跨模态语义对齐方法，其特征在于，方法包括： S1、构建跨模态语义元胞动态重组基座，用于将文本、图像、音频多种异构模态的原始语义信息拆解为最小可独立表征的语义元胞，语义元胞各自携带模态标识、语义权重及关联阈值，并基于本地部署场景的实时动态需求，通过元胞间“吸引-排斥”规则动态重组语义元胞以形成适配当前场景的语义集群，以及结合本地知识库中持续积累的特有数据，实现语义元胞的动态自主迭代演进能力，迭代演进包括元胞分裂或元胞融合； S2、构建因果感知的预测式分布校准机制，用于基于本地知识库的内部数据特征，搭建模态-语义-场景三层关联的因果图谱，因果图谱建立各层节点间的关联链路，通过深层因果推理算法将数据特征的变化精准转化为因果链路的权重变化，以定位数据分布变化的深层根源，并结合本地场景的时序历史数据，预测未来数据分布的精准动态趋势，根据预测结果预判式地调整语义元胞集群的内部关联规则； S3、构建跨模态记忆迁移的缺失补全机制，用于系统性收集本地知识库在实际运行中历史处理的各类模态缺失场景案例，将每个具体案例转化为包含丰富上下文信息的记忆单元，从而形成动态更新、持续增长的记忆库，并在系统检测到模态缺失的特定情况时，先通过场景标签精准匹配记忆池中同场景的记忆单元，提取其核心补全逻辑框架，再结合当前现有模态的语义元胞的精细化特征，自适应调整补全逻辑参数，最终生成适配当前需求的缺失模态的精细化语义特征； S4、构建预对齐引导的检索-生成闭环系统，用于在多模态检索启动之前，通过大型语言模型深度解析用户查询意图，全面预判生成内容所需的完整语义维度，基于预判结果在跨模态检索过程中主动筛选并召回包含对应语义元胞的多个异构模态片段，在生成内容之前将预判的生成语义维度与已检索到的语义元胞集群进行比对校验，若发现潜在的语义冲突则自动触发元胞重选流程，以及基于历史检索-生成数据训练预测模型以实时预判对齐评估准确率，并反向调整语义元胞权重、校准参数或补全逻辑，形成持续优化的闭环流程。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京东青互联科技有限公司，其通讯地址为：100071 北京市丰台区科学城星火路10号2号楼309室(园区)；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。