一种用于大语言模型的编码动态补全方法

本发明提出一种用于大语言模型的编码动态补全方法，该方法包括：构建混合训练数据集；初始化融合概率空间拓扑变换的Transformer模型架构；基于混合训练数据集，执行主目标与辅目标协同优化的模型训练；在解码每一步，模型根据当前上下文计算下一个token的概率分布；通过球面概率映射将生成的概率分布约束在有效概率子空间内，结合禁忌表机制，实时过滤语法错误候选并调整概率分布；根据当前解码深度动态选择采样策略，从调整后的概率分布中采样得到下一个代码片段，最终生成符合抽象语法树规则和语义约束的代码补全建议。本发明结合概率分布约束和禁忌表机制，模型能够动态调整生成的概率分布，使更合适的候选token获得更高的概率，从而提高代码补全的准确性。