CN119848249A 用于构建训练数据的方法、电子设备和计算机程序产品 （戴尔产品有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN119848249A

(43)申请公布日2025.04.18

(21)申请号202311333218.4

(22)申请日2023.10.13

(71)申请人戴尔产品有限公司地址美国得克萨斯州

(72)发明人倪嘉呈王子嘉刘志松贾真

(74)专利代理机构北京市金杜律师事务所11256

专利代理师成城

(51)Int.Cl.

G06F16/35(2025.01)

G06N20/00(2019.01)

G06F18/214(2023.01)

G06F16/9535(2019.01)

权利要求书3页说明书10页附图5页

(54)发明名称

用于构建训练数据的方法、电子设备和计算

机程序产品

(57)摘要

CN119848249A本公开的实施例涉及用于构建训练数据的方法、电子设备和计算机程序产品。该方法包括通过对训练数据集内的提示词进行聚类，来确定多个聚类。基于多个聚类的多个内聚程度，确定与多个聚类相对应的多个采样概率，其中内聚程度指示聚类内的簇内距离。该方法还包括根据多个采样概率，确定用于采样的目标聚类。该方法还包括通过从目标聚类中采样目标提示词，来构建目标训练数据。根据本公开的实施例，在对语言模型进行微调时，可以根据提示词的聚类结果对提示词进行筛选，使得确