一种基于轻量化大语言模型的个人健康评价方法

本发明公开了一种基于轻量化大语言模型的个人健康评价方法，属于健康评估技术领域，该方法为：对手环导出的原始多模态数据进行处理，采用预设静态提示词模版，实现原始数据到自然语言指令的标准化切换；通过调用闭源大语言模型的接口构建单轮对话对；采用随机多轮对法拼接方法，形成模拟多轮对话的训练样本；使用开源大模型微调工具Unsloth在开源模型LLaMA3.1的注意力机制层注入秩为16的LoRA矩阵；构建包括3个闭源模型和6个开源模型的对抗测试环境，进行竞技式动态评估。本发明在保留开源模型轻量化特性的基础上，解决了传统方案中性能与成本不可调和的矛盾，同时规避了云端部署的数据隐私风险。