一种神经元分配策略实现大模型持续学习方法及系统

本发明涉及模型训练技术领域，具体涉及一种神经元分配策略实现大模型持续学习方法及系统，其中，一种神经元分配策略实现大模型持续学习方法包括以下步骤：大模型采用多层次的知识存储结构，更新知识时，通过基于重要度的选择性保护机制保护知识单元；大模型持续学习时，对大模型性能和计算资源进行实时监控，根据实时的性能监测信息和资源状态信息，动态优化任务资源分配方案并执行；通过神经元重要度评估，并引入神经元对当前任务的性能贡献程度，根据每个神经元的重要度动态分层分配每个神经元的计算资源和更新频率。本发明通过动态资源管理机制和基于重要度的资源分配策略，能够显著提升系统资源利用效率，从而实现整体效率的最优调整。