摘要
本发明涉及人工智能技术领域，可应用于智能体自主决策、金融科技及医疗健康等业务场景中，公开了一种多模态分层特征融合与决策方法、装置、设备及介质，包括：获取视觉、语言和动作数据，进行分层特征提取生成多模态初始特征集合；分析特征重要性并筛选降维，得到筛选后的多模态特征；对筛选后的多模态特征进行语义增强，生成多模态语义增强特征；对多模态语义增强特征执行跨模态注意力融合，得到跨模态融合特征；将跨模态融合特征输入语义推理网络，生成决策结果。本发明通过多层次筛选降维、语义增强及跨模态注意力融合，使模型能够准确利用多模态数据间的关键特征关系，减少冗余干扰，提升语义推理的准确性和决策效率。
