一种基于模型训练反馈驱动的样本分布自适应调节方法与系统

本发明涉及模型训练样本处理技术领域，具体涉及一种基于模型训练反馈驱动的样本分布自适应调节方法与系统，所述方法包括以下步骤：S1、在模型训练周期内，实时采集训练过程中的反馈指标，得到反馈指标集合；S2、基于反馈指标集合分析识别弱项类别，生成优化指令；S3、动态调整采样权重形成更新后的采样策略；S4、根据采样策略采集样本并补充弱项类别样本；S5、将优化后的样本集合投入下一轮训练，循环步骤S1‑S4，直至所有关键类别的学习效果的训练指标满足终止条件；获取采样策略和样本集合。本发明能够以模型训练实际表现为核心反馈指标、实现实时、精细化和自动化采样调节，以提升模型在弱项类别、长尾类别等关键区域的训练效果与泛化能力。