一种基于自适应对比学习的大语言模型知识纠偏方法

本发明提出了一种基于自适应对比学习的大语言模型知识纠偏方法，旨在提高模型在自然语言处理任务中的准确性和可信度。该方法包括以下步骤：S1、将模型知识划分为四个象限，以识别模型对知识的掌握情况。S2、通过设定上限阈值(IK)和下限阈值(IDK)，探测模型的知识边界，确定模型对每个问题的信心度量。S3、根据探测结果，收集模型已知和未知的知识数据，构建对比学习数据，包括正样本和负样本。S4、采用自适应对比学习策略，通过拉近正样本和推远负样本，增强模型对知识的掌握能力，同时保持模型的生成能力。实验证明，该方法能显著提升模型回复的真实性指标性能，对于缓解大语言模型的幻觉问题具有重要意义。