视觉语言模型的训练方法、推理方法、系统、电子设备、存储介质及程序产品

本公开提供了一种视觉语言模型的训练方法、推理方法、系统、电子设备、存储介质及程序产品。视觉语言模型包括：视觉编码器、投影层、文本分词器、大语言模型，训练方法包括：构建针对人脸属性感知的第一训练数据集；基于第一训练数据集对视觉语言模型进行第一阶段训练，以更新视觉编码器和投影层的参数，第一阶段训练用于使视觉语言模型具备人脸属性感知功能；构建包括面向穿戴属性的问答数据样本、面向外貌属性的问答数据样本以及面向表情属性的问答数据样本的第二训练数据集；基于第二训练数据集对视觉语言模型进行第二阶段训练，以更新投影层和大语言模型的参数，第二阶段训练用于使视觉语言模型具备面向人脸属性提供针对性反馈的功能。