一种面向人工智能大模型高效训练的并行策略搜索方法

本发明公开了一种面向人工智能大模型高效训练的并行策略搜索方法，涉及人工智能技术领域，包括，通过训练NeRF模型，生成三维硬件拓扑场；解析待训练大模型的计算图，将算子节点映射至三维硬件拓扑场中，生成标注计算图；基于标注计算图构建混合整数规划模型，输出候选策略集合；将候选策略集合输入双层策略网络，输出并行策略集合；在模拟器中加载三维硬件拓扑场，对并行策略集合进行验证和调整，输出最优策略；部署最优策略至真实集群，触发重新筛选策略。本发明基于神经辐射场建模物理级硬件通信场，融合混合整数规划与深度强化学习，实现并行策略全局‑局部协同优化，实现训练效率、显存利用率与系统鲁棒性的多目标平衡。