一种面向行业大模型的微调数据生成方法、计算机程序及终端

本发明公开了一种面向行业大模型的微调数据生成方法、计算机程序及终端，属于人工智能领域，包括：提取专业数据源图片中的文本数据；对文本数据进行预处理；对文本数据的语法进行识别、纠正；计算文本数据的困惑度，以剔除评分低的句子；将文本数据进行分割后输入大语言模型，结合提示生成微调数据。采用文本识别模型识别专业数据源图片中的文本数据，避免产生大模型幻觉的问题；利用通过强化学习增强的大语言模型对文本数据的语法和拼写错误进行检查和纠正，能够进一步提升数据生成质量；将文本数据分割后输入大语言模型，更加适合大规模文本数据处理，在保持高效率同时能够有效识别文本中的语义边界，生成高质量指令微调数据。