一种基于少样本的学习助手认知负荷自适应方法及相关设备

本发明公开了一种基于少样本的学习助手认知负荷自适应方法及相关设备，涉及人工智能领域。该方法包括：向用户提供由多个候选讲解组成的候选讲解组，记录用户在多轮图文问答中的选择行为，提取多个风格维度的认知偏好特征，并生成风格偏好向量；选择具有冻结参数和可调节LoRA参数的基础多模态模型，将风格偏好向量映射为门控系数，仅训练LoRA参数并保持基础模型参数冻结，获得低秩增量并形成用户个性化参数集合；在任务输入前对输入特征进行分析，生成任务复杂度评分，并基于任务复杂度与用户期望信息密度的差异生成临时调整系数，修正门控系数并在推理过程中计算有效低秩增量；推理完成后丢弃临时修正参数，以维持模型结构稳定。