一种支持增量学习的边缘计算Agent模型更新方法

本发明涉及智能模型训练技术领域，具体涉及一种支持增量学习的边缘计算Agent模型更新方法，包括以下步骤：S1：在边缘节点部署数据感知模块，以实时捕获新输入数据流；S2：计算优先级评分，筛选出高优先级数据块；S3：根据优先级评分激活参数解冻算法，生成仅覆盖指定参数的稀疏更新掩码；S4：依据稀疏更新掩码从Agent模型中提取解冻参数子集；S5：执行前向推理与梯度局部累积，生成增量梯度张量；S6：将增量梯度张量通过加权滑动平均算法融入Agent模型，输出更新后的边缘Agent模型。本发明，通过引入数据优选、参数稀疏解冻与滑动融合更新机制，实现了在边缘资源受限条件下对Agent模型的高效、稳定和自适应增量更新。