基于数据增强的多语言监督数据集的生成方法及装置

本申请提供一种基于数据增强的多语言监督数据集的生成方法及装置，涉及数据处理技术领域。基于数据增强的多语言监督数据集的生成方法包括：获取对话生成需求和预设的多语言知识库，并根据对话生成需求，从多语言知识库中确定预期语言数据；按照对话生成需求对预期语言数据进行拆分，以确定分段语言文本；基于预设的大语言模型、对话生成需求和分段语言文本，生成多组问答数据；根据预设的调整方式和多组问答数据，对预设的精简模型进行调整，以从多组问答数据中确定目标问答数据，并将目标问答数据确定为多语言监督数据集。通过生成多组问答数据，结合调整方式对精简模型进行微调，过滤低质量或不相关的数据，提升数据集的整体质量。