CN119514698A 一种全模态大模型的训练方法、装置、设备及介质 （语仓科技(北京)有限公司）_第1页
CN119514698A 一种全模态大模型的训练方法、装置、设备及介质 （语仓科技(北京)有限公司）_第2页
CN119514698A 一种全模态大模型的训练方法、装置、设备及介质 （语仓科技(北京)有限公司）_第3页
CN119514698A 一种全模态大模型的训练方法、装置、设备及介质 （语仓科技(北京)有限公司）_第4页
CN119514698A 一种全模态大模型的训练方法、装置、设备及介质 （语仓科技(北京)有限公司）_第5页
已阅读5页，还剩18页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

本申请公开了一种全模态大模型的训练方法包括：采用经验回放池存储旧任务的样本数态调整新任务的样本数据与旧任务的样本数据2采用经验回放池存储旧任务的样本数据；其中，旧任务为全模态在旧任务的样本数据上的准确率，动态调整新任务的样本数据与旧任务的样本数据的比;数据的比例，为第t轮训练过程中全模态大模型在旧任务的样本数据上的准确率，第t轮训练过程中新任务的样本数据的比例为1-;采用经验回放池分层存储每种模态的数据，并在每一层中根据旧任务从所述经验回放池中选取与新任务的相关性大于设定阈值的旧任务的样本数据作为根据所述旧任务样本和所述新任务的样本数据，对联合训练后的全3;所述多模态智能问答系统用于接收语音、图像及文本，并根据所述语音执行语8.一种全模态大模型的训练装置，应用于权利要求1_7任一项所述的全模态大模型的联合训练模块，用于当全模态大模型学习新任务时，根处理器执行时实现权利要求1_7中任一项所述的全模态大模型45[0022]本申请实施例提供的全模态大模型的训练方法，可以应用于如图1所示的应用环67通过跟踪全模态大模型在旧任务的样本数据上的表现，动态调整α使得在旧任务上表现不为初始时旧任务的样本数据的比例，A.u()为第t轮训练过程中全模态大模型在旧任[0036]为平衡新旧任务数据，在对所述全模态大模型进行多轮训练时的损失函数为：[0039]步骤203，从所述经验回放池中选取与新任务的相关性大于设定阈值的旧任务的数据与旧任务的样本数据的特征KL散度，优先选择与新任务模态相关性较高的样本数据，89法的训练装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相[0057]在一个示例性的实施例中，如图5所示，提供了一种全模态大模型的训练装置包[0059]联合训练模块502用于当全模态大模型学习新任务时，根据新任务的样本数据及[0060]相关数据提取模块503用于从所述经验回放池中选取与新任务的相关性大于设定[0061]模型优化模块504用于根据所述旧任务样本和所述新任务的样本数据，对联合训该计算机程序被处理器执行时实现上述各方机程序被处理器执行时实现上述各方法实施例中通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read_取存储器（StaticRandomAccessMemory，SRAM）或动态随机存取存储器（Dynamic[0069]本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论