一种基于知识和模型解耦的法律大模型私有化部署方法

本发明提供一种基于知识与模型解耦的法律大模型私有化部署与持续学习方法，针对法律大模型在数据隐私、安全隔离和高效部署等方面的挑战，设计了包括系统法律知识库构建、法律知识解耦、双端系统私有知识库解耦、知识引导的模型协同解耦、私有轻量模型构建、双端系统联合推理及双端系统协同更新共七个核心步骤。该方法通过将法律知识按领域解耦，并基于敏感性与访问频率等指标划分本地与云端知识库，同时在模型结构中选取与本地任务紧密相关的子模块进行微调与迁移，实现轻量、高效、隐私可控的本地部署。系统支持双端协同推理与持续更新，具备良好的可扩展性与适应性，适用于政法单位、律所及法律服务平台等场景下的智能法律系统构建。