一种用于粤语的大模型泛化方法、装置、终端及存储介质

本发明涉及人工智能技术领域，特别涉及一种用于粤语的大模型泛化方法、装置、终端及存储介质，方法包括：将预定语言类型数据集中的各原始文本转化为原始粤语文本；将原始粤语文本和对应的真值标签输入语言模型中进行强化学习训练，得到粤语大模型和新增粤语文本；构建粤语数据库；当待识别文本输入粤语大模型时，识别待识别文本中的粤语词汇，根据粤语词汇检索粤语数据库，得到目标粤语文本；基于待识别文本和目标粤语文本输出识别结果。本申请极大地增加了粤语数据集的数量，更好地捕捉粤语的语言特征，利用检索增强生成机制，参考除了用户提问方面以外的粤语数据库中的大量知识，提高了识别的准确性。