CN119474879A 模型训练方法、装置、设备、存储介质及产品 （中移信息技术有限公司）

2将所述任务需求数据对应的训练请求指令发送至预设大模型，基于所述预设大模型，从所述任务需求数据中提取训练集数据，通过所述训练代码2.如权利要求1所述的方法，其特征在于，所述通过所述训练代码以及所述训练集数3.如权利要求1所述的方法，其特征在于，所述通过所述训练代码以及所述训练集数对所述匹配数据进行向量化处理，得到匹配向量数据，并将所述匹配向接收任务执行数据，并基于所述匹配向量数据，调用所述训练完成将所述执行结果对应的可执行代码保存为预设存储位置中的在下一预设时间段内再次收到所述任务执行数据的情况下，调第一处理模块，用于将所述任务需求数据对应3训练模块，用于从所述任务需求数据中提取训练算机程序被处理器执行时实现如权利要求1至6中任一项所述的模4[0004]上述内容仅用于辅助理解本申请的技术方案，并不代表承认上述内容是现有技[0009]从所述任务需求数据中提取训练集数据，通过所述训练代码以及所述训练集数5[0026]在下一预设时间段内再次收到所述任务执行数据的情况[0032]第一处理模块，用于将所述任务需求数据对应的训练请求指令发送至预设大模包括计算机程序，所述计算机程序被处理器执行时实现如上文所述的模型训练方法的步获得适合当前场景下的待训练模型或待训练算法，再从任务需求数据中提取训练集数据，6[0051]从所述任务需求数据中提取训练集数据，通过所述训练代码以及所述训练集数获得适合当前场景下的待训练模型或待训练算法，再从任务需求数据中提取训练集数据，7[0059]需要说明的是，本实施例主要是通过大模型对输入的任务需求数据进行推理分[0063]需要说明的是，预设大模型可以是千问72b大模型，GPT4(GenerativePre_8[0083]再获取训练数据，根据{data_location}获取对应目录下的训练集，作为可执行accrucy:[0091]需要说明的是，预设阈值的大小为已知的正常数据比例，将已知正常数据比例9right_accuracy与测试标注的正常比例test_right_accrucy反馈大模型，当test_right_获得适合当前场景下的待训练模型或待训练算法，再从任务需求数据中提取训练集数据，[0098]对于评估良好的已训练小模型保存成模型文件{model_file},将{keywords}与[0100]然后通过embedding模型对binding进行向量处理，并存入指定向量库{vector_[0135]在下一预设时间段内再次收到所述任务执行数据的情况调用。块检索最贴近的N个已训练模型，并根据调用代码生成规范在调用指令模块生成调用指令令被至少一个处理器执行，以使至少一个处理器能够执行上述实施例一中的模型训练方[0172]下面参考图5，其示出了适于用来实现本申请实施例的模型训练设备的结构示意播接收器、PDA(PersonalDigitalAssistant：个人数字助理)、PAD(Portable置1003加载到随机访问存储器(RAM：RandomAccessMemory)1004中的程序而执行各种适[0178]本申请提供一种计算机可读存储介质，具有存储在其上的计算机可读程序指令[0180]上述计算机可读存储介质可以是模型训练设备中所包含[0184]从所述任务需求数据中提取训练集数据，通过所述训练代码以及所述训练集数[0185]可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN：[0190]本申请提供的计算机程序产品能够解决模型训练的技术本申请提供的计