一种基于自适应激活缩放适配的大语言模型多任务学习方法

本发明公开一种基于自适应激活缩放适配的大语言模型多任务学习方法，属于大语言模型技术领域。所述方法包括：构建模型；初始化各任务k的可学习激活缩放适配向量；构造多任务联合微调训练数据集；利用多任务联合微调训练数据集进行LoRA模块参数、多任务融合缩放网络参数和可学习激活缩放适配向量的优化，以生成训练后的模型。本发明缓解不同任务之间的跷跷板问题，并实现使用有限的资源高效地多任务学习和优化。