基于大模型技術的低成本訓練及多輪對話記憶性方法與流程

技術特征：

1.基于大模型技術的低成本訓練及多輪對話記憶性方法，其特征在于：該低成本訓練及多輪對話記憶性方法步驟為：

2.根據權利要求1所述的基于大模型技術的低成本訓練及多輪對話記憶性方法，其特征在于：所述s1中的遷移學習步驟包括有：

3.根據權利要求1所述的基于大模型技術的低成本訓練及多輪對話記憶性方法，其特征在于：所述s2中的增強數據技術包括有：

4.根據權利要求1所述的基于大模型技術的低成本訓練及多輪對話記憶性方法，其特征在于：所述s3中的自動調參處理步驟包括有：

5.根據權利要求1所述的基于大模型技術的低成本訓練及多輪對話記憶性方法，其特征在于：所述s4中的分階段訓練步驟包括有：

6.根據權利要求1所述的基于大模型技術的低成本訓練及多輪對話記憶性方法，其特征在于：所述s5中的數據處理步驟包括有：

7.根據權利要求1所述的基于大模型技術的低成本訓練及多輪對話記憶性方法，其特征在于：所述s6中的風控和檢測處理步驟包括有；

8.根據權利要求1所述的基于大模型技術的低成本訓練及多輪對話記憶性方法，其特征在于：所述s7中的流式傳輸技術包括有；

9.根據權利要求1所述的基于大模型技術的低成本訓練及多輪對話記憶性方法，其特征在于：所述s8中的儲存聊天的算法數據處理步驟包括有；

技術總結
本發明屬于自然語言處理和人工智能技術領域，且公開了基于大模型技術的低成本訓練及多輪對話記憶性方法，該訓練方法的步驟為；S1，遷移學習；S2，數據增強技術；S3,自動調參；S4，分階段訓練；S5，模型剪枝和壓縮S6，風控和檢測；S7，流式傳輸技術；S8，儲存聊天的算法。本發明通過利用預訓練模型的知識進行微調，分階段訓練模型，以降低訓練成本；采用流式傳輸和異步處理技術提升模型回答效率；確保用戶聊天記錄安全存儲，并根據歷史對話記錄個性化調整模型回復，以保持連貫交互；通過剪枝、量化、壓縮等技術減小模型體積，降低部署成本；利用數據增強和正則化技術減少對大量數據的依賴，確保在少量數據上也能取得良好效果。

技術研發人員：倪涵樹
受保護的技術使用者：北京中煙創新科技有限公司
技術研發日：
技術公布日：2026/4/16