一种基于大语言模型的训练任务组合推荐方法

本发明公开了一种基于大语言模型的训练任务组合推荐方法。该方法首先获取用户个人信息及历史训练数据，依预设逻辑排序选出初始训练任务组合。针对该组合中的每个任务进行二阶知识表达，借助自然语言描述问答对大语言模型进行图知识与结构对齐并微调，形成大语言微调模型。将用户个人信息、初始组合及相关知识表达分为文本与异构图数据，拼接形成融合特征后输入微调模型，输出候选任务推荐概率分布，最终筛选推荐概率最高的候选任务，与初始训练任务组合形成新组合，并推送给用户。本发明融合多模态信息，创新性地将组合检索转为生成任务，结合辅助任务学习、慢推理及渐进式学习策略，有效解决冷启动难题，满足用户的个性化需求。