一种基于样本增强和动态课程学习的大模型工具学习方法

本发明公开了一种基于样本增强和动态课程学习的大模型工具学习方法。本发明包括如下步骤：1)通过随机化函数与参数名称、动态扩展功能描述等方法进行样本增强，迫使模型深入理解工具的功能描述而非依赖表面名称，以应对工具命名不一、文档不全等挑战。2)在模型训练中，引入动态样本选择机制，该机制首先基于模型在训练过程中的实时表现动态评估任务的复杂度，然后据此自适应地选择难度最适宜的训练样本，从而优化学习效率和效果。与现有技术相比，本发明通过样本增强和动态训练策略，显著提升了大型语言模型在调用复杂、专用工具时的准确性和泛化能力。