一种大模型训练数据合成方法、系统、设备及存储介质

本发明提出了一种大模型训练数据合成方法、系统、设备及存储介质，包括：对原始军事语料数据进行预处理，使用预训练语言模型生成语义向量，通过聚类分析将语义向量划分为多个主题簇，提取各主题簇的关键词及代表样本，形成主题本体库；基于主题相似度矩阵选取关联主题对，通过预定义模板生成合成样本；通过提示词指令控制合成样本的语言风格，生成风格化样本；划分风格化样本的难度等级，获得分级样本；对分级样本进行多维度质量评估与筛选，获得筛选样本；将筛选样本用于训练大语言模型，根据大语言模型在各主题任务的性能表现，调整主题权重、更新合成策略和优化样本结构。本发明能为大模型训练提供高质量、多样化的训练数据。