一种大模型推理能力优化方法、系统及存储介质

一种大模型推理能力优化方法、系统及存储介质，其包括S10、初始化待微调的大语言模型，将其作为主模型和对手模型的初始版本；S20、从监督微调数据集中获取提示信息与问题内容，并输入对手模型，生成对应的对手模型响应；S30、利用监督微调数据集中的真实响应，通过第一预设公式最小化逻辑损失函数优化主模型中的权重参数，训练主模型以区分对手模型响应与真实响应；S40、通过第二预设公式最大化主模型对生成响应的评估值，以更新对手模型中的权重参数；第二预设公式中引入正则化项；S50、将训练后的主模型作为新的对手模型，替换当前的对手模型；S60、并重复步骤S20至S50，直至主模型收敛。